一种基于贝叶斯检测理论的视网膜图像血管跟踪算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 引言 | 第10-11页 |
| 1.2 课题研究背景与意义 | 第11-14页 |
| 1.2.1 视网膜结构介绍 | 第11-12页 |
| 1.2.2 课题意义 | 第12-14页 |
| 1.3 视网膜血管特点与课题难点 | 第14-16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第2章 视网膜血管分割算法文献综述 | 第17-30页 |
| 2.1 点处理法 | 第18-26页 |
| 2.1.1 匹配滤波法 | 第18-20页 |
| 2.1.2 区域增长法 | 第20-21页 |
| 2.1.3 阈值法 | 第21页 |
| 2.1.4 数学形态学的方法 | 第21-22页 |
| 2.1.5 监督类分割方法 | 第22-26页 |
| 2.2 跟踪法 | 第26-30页 |
| 第3章 二元贝叶斯检测理论 | 第30-37页 |
| 3.1 二元检测模型与代价因子 | 第30-31页 |
| 3.2 贝叶斯准则 | 第31-33页 |
| 3.3 派生的贝叶斯准则 | 第33-37页 |
| 3.3.1 最小平均错误概率准则 | 第33页 |
| 3.3.2 最大似然准则 | 第33-34页 |
| 3.3.3 最大后验概率准则 | 第34页 |
| 3.3.4 极小化极大准则 | 第34-35页 |
| 3.3.5 奈曼-皮尔逊准则 | 第35-37页 |
| 第4章 基于贝叶斯判决理论的视网膜血管跟踪算法 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 初始种子边界点和血管方向检测 | 第37-39页 |
| 4.3 动态搜索区域 | 第39-40页 |
| 4.4 三种血管结构 | 第40-41页 |
| 4.5 多尺度直线检测 | 第41-44页 |
| 4.5.1 基本直线匹配滤波器 | 第41-42页 |
| 4.5.2 多尺度直线匹配滤波器 | 第42-43页 |
| 4.5.3 概率转换函数 | 第43-44页 |
| 4.6 利用贝叶斯最大后验概率准则确定血管边界点 | 第44-49页 |
| 4.6.1 条件概率P(Y| X) | 第44-47页 |
| 4.6.2 先验概率P( X) | 第47-49页 |
| 第5章 算法验证与讨论 | 第49-57页 |
| 5.1 REVIEW数据库简介 | 第49-51页 |
| 5.2 跟踪结果实例 | 第51-54页 |
| 5.3 跟踪结果的定量验证 | 第54-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读学位期间发表的论文与研究成果清单 | 第64-65页 |
| 致谢 | 第65页 |
