基于支持向量机的X线图像分割技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究背景 | 第10页 |
| ·研究目的和意义 | 第10-12页 |
| ·所做工作及结构安排 | 第12-13页 |
| 第2章 基于梯度的X线图像分割 | 第13-27页 |
| ·图像分割理论 | 第13-15页 |
| ·传统图像分割方法概述 | 第15-17页 |
| ·边缘检测法 | 第15页 |
| ·阈值法 | 第15-16页 |
| ·区域生长和分裂合并 | 第16-17页 |
| ·X线图像分割实例分析 | 第17-20页 |
| ·基于边缘检测的X线图像分割分析 | 第17-18页 |
| ·基于阈值法的X线图像分割分析 | 第18-20页 |
| ·基于区域生长法的X线图像分割分析 | 第20页 |
| ·基于梯度的X线图像分割 | 第20-26页 |
| ·基于梯度的X线图像分割预处理 | 第22-23页 |
| ·基于梯度的X线图像分割算法设计 | 第23-24页 |
| ·分割试验结果分析与对比 | 第24-25页 |
| ·基于梯度的X线图像分割算法分析 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于支持向量机的图像分割理论 | 第27-36页 |
| ·基于新理论和新方法的图像分割算法概述 | 第27-30页 |
| ·形变模型方法 | 第27-28页 |
| ·基于数学形态学的方法 | 第28页 |
| ·聚类法 | 第28-29页 |
| ·分类算法 | 第29-30页 |
| ·X线图像分割实例分析 | 第30-32页 |
| ·基于形变模型的X线图像分割分析 | 第30-31页 |
| ·基于分水岭算法的X线图像分割分析 | 第31页 |
| ·基于聚类算法的X线图像分割分析 | 第31-32页 |
| ·支持向量机理论 | 第32-33页 |
| ·核函数 | 第33-34页 |
| ·支持向量机与图像分割的关系 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于支持向量机的X线图像分割 | 第36-66页 |
| ·基于支持向量机的图像分割算法设计 | 第36-38页 |
| ·X线图像增强 | 第38-43页 |
| ·X线图像特点分析 | 第38-39页 |
| ·X线图像增强算法 | 第39-40页 |
| ·增强结果分析 | 第40页 |
| ·图像增强算法对比和评价 | 第40-43页 |
| ·骨骼区域定位 | 第43-46页 |
| ·图像二值化 | 第43-44页 |
| ·骨骼定位 | 第44-46页 |
| ·基于支持向量机的X线图像分割 | 第46-61页 |
| ·训练样本选择 | 第46-48页 |
| ·特征提取 | 第48-50页 |
| ·核函数 | 第50-51页 |
| ·分割评价 | 第51页 |
| ·实验结果与分析 | 第51-61页 |
| ·核函数分析 | 第61-62页 |
| ·形态学后处理 | 第62-63页 |
| ·边缘提取 | 第63-64页 |
| ·分割结果分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表论文情况 | 第72-73页 |
| 致谢 | 第73页 |
