摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景与意义 | 第11-12页 |
1.1.1 研究的背景 | 第11-12页 |
1.1.2 研究的意义 | 第12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 医疗影像技术的发展历程 | 第12-14页 |
1.2.2 医疗影像的特点 | 第14页 |
1.2.3 图像检索技术的发展历程 | 第14-15页 |
1.2.4 医疗影像检索技术的发展现状 | 第15页 |
1.3 本文的主要研究内容 | 第15-16页 |
1.4 论文结构 | 第16-17页 |
第二章 智能图像检索关键技术 | 第17-30页 |
2.1 智能图像检索的一般流程 | 第17-18页 |
2.2 特征提取与表达 | 第18-24页 |
2.2.1 基于文本描述的图像特征 | 第18-19页 |
2.2.2 颜色特征 | 第19-20页 |
2.2.3 纹理特征 | 第20-22页 |
2.2.4 形状特征 | 第22-23页 |
2.2.5 高层语义特征 | 第23-24页 |
2.3 相似度度量 | 第24-26页 |
2.4 相关反馈技术 | 第26-28页 |
2.4.1 相关反馈交互过程 | 第27页 |
2.4.2 常用的相关反馈技术 | 第27-28页 |
2.5 检索性能评测标准 | 第28-29页 |
2.6 本章小结 | 第29-30页 |
第三章 基于医疗影像全局视觉特征的检索技术研究与改进 | 第30-41页 |
3.1 医疗影像全局特征实验对比 | 第30-31页 |
3.2 LBP纹理特征的研究 | 第31-35页 |
3.2.1 LBP算子定义 | 第32-33页 |
3.2.2 LBP旋转不变模式 | 第33页 |
3.2.3 Uniform LBP模式 | 第33-35页 |
3.3 改进LBP算子 | 第35-38页 |
3.3.1 非均匀分块LBP | 第35-37页 |
3.3.2 改进的编码方式 | 第37-38页 |
3.4 实验结果对比分析 | 第38-39页 |
3.5 本章小结 | 第39-41页 |
第四章 基于医疗影像SIFT局部特征的检索技术研究与改进 | 第41-63页 |
4.1 尺度不变特征变换 | 第41-42页 |
4.2 SIFT特征提取的过程 | 第42-49页 |
4.2.1 构建DOG尺度空间 | 第42-44页 |
4.2.2 关键点搜索与筛选 | 第44-46页 |
4.2.3 关键点分配方向 | 第46-48页 |
4.2.4 特征向量生成 | 第48-49页 |
4.3 基于视觉单词模型的医疗影像检索 | 第49-52页 |
4.3.1 视觉词典模型概念 | 第49-50页 |
4.3.2 视觉词典生成的过程 | 第50-51页 |
4.3.3 基于视觉词典的检索过程 | 第51-52页 |
4.4 基于局部SIFT特征的医疗影像检索技术改进 | 第52-56页 |
4.4.1 基于医疗影像SIFT和全局LBP特征的检索 | 第53-54页 |
4.4.2 基于医疗影像SITF-LBP局部特征的检索 | 第54-56页 |
4.5 实验结果及对比分析 | 第56-62页 |
4.5.1 基于SIFT局部特征的检索结果 | 第56-58页 |
4.5.2 基于SIFT和全局LBP特征的检索结果 | 第58-59页 |
4.5.3 基于SITF-LBP局部特征的检索结果 | 第59-61页 |
4.5.4 实验结果对比分析 | 第61-62页 |
4.6 本章小结 | 第62-63页 |
第五章 检索系统中相关反馈技术的研究与改进 | 第63-73页 |
5.1 基于SVM的相关反馈技术研究 | 第63-66页 |
5.1.1 支持向量机分类原理 | 第63-65页 |
5.1.2 基于SVM的相关反馈算法过程 | 第65-66页 |
5.2 基于集成学习的相关反馈技术 | 第66-70页 |
5.2.1 Bagging组合分类器算法 | 第67-68页 |
5.2.2 改进的相关反馈学习算法 | 第68-70页 |
5.3 实验结果对比分析 | 第70-72页 |
5.4 本章小结 | 第72-73页 |
第六章 全文总结与展望 | 第73-75页 |
6.1 全文总结 | 第73-74页 |
6.2 后续工作展望 | 第74-75页 |
致谢 | 第75-76页 |
参考文献 | 第76-80页 |