| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 白内障眼底图像识别的研究背景及意义 | 第9-10页 |
| 1.2 图像处理和模式识别 | 第10-13页 |
| 1.2.1 图像处理 | 第10-11页 |
| 1.2.2 模式识别方法 | 第11-13页 |
| 1.3 国内外在眼底图像处理与识别技术上的研究进展 | 第13-14页 |
| 1.3.1 眼底图像预处理 | 第13页 |
| 1.3.2 眼底图像特征提取 | 第13-14页 |
| 1.3.3 眼底图像识别 | 第14页 |
| 1.4 本文主要工作 | 第14-15页 |
| 1.5 本文章节安排 | 第15-16页 |
| 第二章 白内障眼底图像处理 | 第16-29页 |
| 2.1 眼底图像的彩色空间变换 | 第16-18页 |
| 2.1.1 RGB彩色空间 | 第17页 |
| 2.1.2 彩色空间中眼底图像提取 | 第17-18页 |
| 2.2 图像增强 | 第18-23页 |
| 2.2.1 灰度变换 | 第19-20页 |
| 2.2.2 直方图处理 | 第20-22页 |
| 2.2.3 高低帽变换 | 第22-23页 |
| 2.3 滤波处理 | 第23-28页 |
| 2.3.1 频率域滤波 | 第23-24页 |
| 2.3.2 空间域滤波 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 白内障眼底图像特征提取方法的研究 | 第29-34页 |
| 3.1 基于小波变换提取特征 | 第29-30页 |
| 3.2 基于图像轮辅分析提取特征 | 第30-32页 |
| 3.3 基于纹理分析提取特征 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 白内障眼底图像分类方法的研究 | 第34-46页 |
| 4.1 基于BP神经网络对眼底图像进行分类 | 第34-36页 |
| 4.1.1 BP神经网络的基本原理 | 第34-35页 |
| 4.1.2 BP神经网络的训练策略及实验结果 | 第35-36页 |
| 4.2 基于支持向量机对眼底图像进行分类 | 第36-42页 |
| 4.2.1 支持向量机原理 | 第37-41页 |
| 4.2.2 支持向量机实验结果 | 第41-42页 |
| 4.3 基于组合分类器对眼底图像进行分类 | 第42-45页 |
| 4.3.1 投票方法 | 第42-43页 |
| 4.3.2 叠加式方法 | 第43-44页 |
| 4.3.3 组合分类器的实验结果 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 白内障分类系统GUI界面设计 | 第46-50页 |
| 5.1 GUI概述 | 第46-47页 |
| 5.2 白内障眼底图像处理与识别系统GUI的设计 | 第47-49页 |
| 5.3 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 工作总结 | 第50页 |
| 6.2 工作展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文目录 | 第56页 |