基于纹理特征和BP神经网络的医学图像检索
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 1 引言 | 第10-18页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·CBIR 系统概述 | 第11-13页 |
| ·CBIR 框架 | 第11-12页 |
| ·CBMIR 组成 | 第12页 |
| ·CBIR 需要解决的问题 | 第12-13页 |
| ·国内外 CBIR 研究现状 | 第13-15页 |
| ·CBIR 在常规图像库中的应用 | 第13页 |
| ·CBIR 在医学图像库中的应用 | 第13-15页 |
| ·本文的研究内容 | 第15页 |
| ·本文的组织结构 | 第15-16页 |
| ·本章小结 | 第16-18页 |
| 2 CBIR 的关键技术 | 第18-28页 |
| ·CBIR 技术概述 | 第18-19页 |
| ·CBIR 中常用的低层视觉特征 | 第19-23页 |
| ·纹理特征 | 第19-20页 |
| ·形状特征 | 第20-21页 |
| ·空间关系特征 | 第21页 |
| ·语义特征 | 第21-23页 |
| ·相关反馈方法 | 第23页 |
| ·系统性能评价标准 | 第23-25页 |
| ·查全率和查准率 | 第24页 |
| ·ANMRR | 第24-25页 |
| ·tau 系数 | 第25页 |
| ·MPEG 标准 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 3 纹理特征分析和提取 | 第28-44页 |
| ·纹理分析方法 | 第28-32页 |
| ·空间域纹理分析 | 第28-29页 |
| ·基于模型的方法 | 第29-30页 |
| ·变换域方法 | 第30-32页 |
| ·结构分析方法 | 第32页 |
| ·纹理分类方法 | 第32-35页 |
| ·纹理特征提取 | 第35-43页 |
| ·纹理谱描述符 | 第35-36页 |
| ·基于 LBP 算法的纹理特征提取 | 第36-37页 |
| ·CS-LBP 算法的纹理特征提取 | 第37-38页 |
| ·改进的 LBP 算法的纹理特征提取 | 第38-39页 |
| ·相似性度量 | 第39页 |
| ·实验结果与分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于 BP 神经网络的医学图像分类 | 第44-60页 |
| ·标准 BP 神经网络概述 | 第44-50页 |
| ·BP 神经元及模型 | 第44-45页 |
| ·BP 神经网络分类器 | 第45-46页 |
| ·BP 网络结构设计 | 第46-48页 |
| ·传统 BP 网络的算法 | 第48-50页 |
| ·BP 算法的改进 | 第50-52页 |
| ·附加动量项 | 第50-51页 |
| ·自适应调节学习率算法 | 第51-52页 |
| ·纹理特征和改进的 BP 算法结合的实验结果 | 第52-58页 |
| ·实验步骤 | 第52-53页 |
| ·结果与分析 | 第53-58页 |
| ·本章小结 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| ·论文总结 | 第60页 |
| ·工作展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 作者简历 | 第68-70页 |
| 学位论文数据集 | 第70页 |
