基于图像处理的髌骨脱位辅助诊断方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-14页 |
| 1.1.1 髌骨及髌骨脱位的基本概念 | 第9-13页 |
| 1.1.2 医学图像相关特征 | 第13-14页 |
| 1.2 本文主要研究内容及创新点 | 第14页 |
| 1.3 章节安排 | 第14-17页 |
| 第2章 图像处理基本原理 | 第17-27页 |
| 2.1 噪声抑制 | 第17-18页 |
| 2.1.1 中值滤波 | 第17页 |
| 2.1.2 均值滤波 | 第17-18页 |
| 2.1.3 拉普拉斯滤波 | 第18页 |
| 2.1.4 高斯滤波 | 第18页 |
| 2.2 对比度增强 | 第18-21页 |
| 2.2.1 灰度变换法 | 第18-20页 |
| 2.2.2 直方图调整法 | 第20-21页 |
| 2.3 图像分割 | 第21-23页 |
| 2.3.1 基于区域的分割算法 | 第21-22页 |
| 2.3.2 基于阈值的分割算法 | 第22页 |
| 2.3.3 基于边缘的分割算法 | 第22页 |
| 2.3.4 基于特定理论的图像分割算法 | 第22-23页 |
| 2.4 特征提取 | 第23-25页 |
| 2.4.1 纹理特征的提取 | 第23页 |
| 2.4.2 形状特征的提取 | 第23-24页 |
| 2.4.3 颜色特征的提取 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 髌骨CT图像处理 | 第27-39页 |
| 3.1 实验图像来源 | 第27页 |
| 3.2 高斯滤波 | 第27-29页 |
| 3.3 融合邻域特征的非线性对比度增强 | 第29-31页 |
| 3.4 基于边缘检测的图像分割方法 | 第31-35页 |
| 3.5 小波融合 | 第35-36页 |
| 3.6 边缘轮廓获取 | 第36-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 髌骨脱位数据测量与判定 | 第39-53页 |
| 4.1 关键点的选取 | 第40-48页 |
| 4.1.1 Harris角点检测 | 第41-42页 |
| 4.1.2 梯度检测方法 | 第42-45页 |
| 4.1.3 基于不同区域特点的关键点提取方法 | 第45-48页 |
| 4.2 骨骼面及髌骨外倾斜面的拟合 | 第48-50页 |
| 4.3 夹角和距离的测量 | 第50-51页 |
| 4.4 髌骨脱位的判定 | 第51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 结论 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 攻读硕士学位期间参加的科研实践及发表的论文 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-62页 |
