| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究目的及意义 | 第9-10页 |
| 1.3 医学图像的特点 | 第10-12页 |
| 1.4 相关领域国内外研究现状与发展趋势 | 第12-14页 |
| 1.5 本文的主要研究内容和结构安排 | 第14-16页 |
| 第2章 基于全局视觉特征的医学图像分类 | 第16-28页 |
| 2.1 纹理特征 | 第16-19页 |
| 2.1.1 LBP纹理特征 | 第16-18页 |
| 2.1.2 Gabor纹理特征 | 第18-19页 |
| 2.2 SVM分类原理 | 第19-23页 |
| 2.2.1 线性支持向量机 | 第19-21页 |
| 2.2.2 非线性支持向量机 | 第21-22页 |
| 2.2.3 多分类支持向量机 | 第22-23页 |
| 2.2.4 分类器评估标准 | 第23页 |
| 2.3 实验与结果分析 | 第23-27页 |
| 2.3.1 实验数据库与评判准则 | 第23-24页 |
| 2.3.2 基于全局视觉特征的医学图像分类实验 | 第24-25页 |
| 2.3.3 实验结果与分析 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于局部视觉特征的医学图像分类 | 第28-41页 |
| 3.1 SURF特征算子 | 第28-31页 |
| 3.1.1 特征点的检测 | 第28-29页 |
| 3.1.2 特征点描述子 | 第29-31页 |
| 3.1.3 特征点的匹配 | 第31页 |
| 3.2 SURF算子改进 | 第31-35页 |
| 3.2.1 局部敏感哈布 | 第31-33页 |
| 3.2.2 随机直方图对SURF进行数据归约 | 第33-35页 |
| 3.3 实验与结果分析 | 第35-39页 |
| 3.3.1 SURF特征点匹配实验与结果分析 | 第35-37页 |
| 3.3.2 基于SURF的医学图像分类实验与结果分析 | 第37-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 融合SURF和全局特征的医学图像分类 | 第41-47页 |
| 4.1 直接融合 | 第41-42页 |
| 4.2 决策融合 | 第42页 |
| 4.3 实验与结果分析 | 第42-46页 |
| 4.3.1 融合算法实验 | 第42-44页 |
| 4.3.2 实验结果与分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 医学图像分类系统设计与实现 | 第47-56页 |
| 5.1 本系统的实验环境和开发工具 | 第47页 |
| 5.2 系统构架 | 第47-51页 |
| 5.2.1 离线图像分类 | 第48-50页 |
| 5.2.2 在线图像查询 | 第50-51页 |
| 5.3 系统图像分类结果显示 | 第51-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 本文工作总结 | 第56-57页 |
| 6.2 下一步工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录A 研究生期间的研究成果 | 第62-63页 |
| 附录B 研究生期间参与的项目 | 第63页 |