视网膜特征检测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及研究的目的和意义 | 第8-10页 |
| 1.2 微动脉瘤检测国内外研究现状 | 第10-13页 |
| 1.2.1 图像对比度增强研究 | 第10-12页 |
| 1.2.2 微动脉瘤检测研究 | 第12-13页 |
| 1.2.3 微动脉瘤检测研究的难点 | 第13页 |
| 1.3 视盘检测国内外研究现状 | 第13-14页 |
| 1.4 本文主要内容及章节安排 | 第14-16页 |
| 第2章 基于三层滤波的视网膜微动脉瘤候选点提取 | 第16-27页 |
| 2.1 引言 | 第16-17页 |
| 2.2 彩色眼底图像预处理 | 第17-22页 |
| 2.2.1 处理对象选取 | 第17页 |
| 2.2.2 图像去噪 | 第17-18页 |
| 2.2.3 阴影校正 | 第18-19页 |
| 2.2.4 对比度增强 | 第19-22页 |
| 2.3 基于三层滤波的微动脉瘤候选点提取 | 第22-25页 |
| 2.3.1 微动脉瘤提取方法简述 | 第22-23页 |
| 2.3.2 三层滤波检测模型 | 第23-25页 |
| 2.4 实验结果与分析 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 微动脉瘤候选点筛选与分类 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 基于B-COSFIRE滤波器的血管分割 | 第27-32页 |
| 3.2.1 视网膜图像灰度变化检测 | 第28-29页 |
| 3.2.2 B-COSFIRE滤波器的设计与应用 | 第29-31页 |
| 3.2.3 旋转不变性实现 | 第31页 |
| 3.2.4 血管端点检测 | 第31-32页 |
| 3.3 基于区域生长的假阳性点去除 | 第32页 |
| 3.4 基于KNN算法的微动脉瘤分类 | 第32-37页 |
| 3.4.1 微动脉瘤特征提取 | 第32-35页 |
| 3.4.2 基于KNN的微动脉瘤分类决策思想 | 第35-37页 |
| 3.5 实验结果及分析 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于深度特征的视盘检测 | 第41-52页 |
| 4.1 引言 | 第41-42页 |
| 4.2 图像预处理 | 第42-43页 |
| 4.3 特征提取 | 第43-45页 |
| 4.3.1 深度特征提取 | 第43-45页 |
| 4.3.2 人工特征提取 | 第45页 |
| 4.4 双层检测模型 | 第45-47页 |
| 4.4.1 粗定位 | 第46-47页 |
| 4.4.2 精确定位 | 第47页 |
| 4.5 实验结果与分析 | 第47-50页 |
| 4.6 本章小结 | 第50-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-61页 |
| 致谢 | 第61页 |
