| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究的背景和意义 | 第9页 |
| ·图像分割原理及经典算法 | 第9-15页 |
| ·阈值化分割方法 | 第11-12页 |
| ·基于边缘检测的分割方法 | 第12-13页 |
| ·基于区域的分割方法 | 第13-14页 |
| ·基于聚类的分割方法 | 第14-15页 |
| ·结合特定理论工具的分割方法 | 第15页 |
| ·视网膜图像分割的相关研究工作 | 第15-17页 |
| ·基于过渡区提取的视网膜血管分割方法 | 第15页 |
| ·基于自适应阈值化的视网膜血管提取方法 | 第15-16页 |
| ·基于边缘检测的视网膜图像的分割方法 | 第16页 |
| ·基于聚类(clustering)的眼底图像分割方法 | 第16页 |
| ·基于小波变换的分割方法 | 第16页 |
| ·基于灰度-梯度共生矩阵的视网膜血管分割方法 | 第16-17页 |
| ·课题研究的主要内容及论文结构 | 第17-19页 |
| ·本文的主要研究内容 | 第17页 |
| ·本文的章节安排 | 第17-19页 |
| 第二章 基于模糊C-均值聚类的图像分割方法 | 第19-31页 |
| ·模糊理论分析 | 第19-22页 |
| ·模糊理论概念 | 第19-20页 |
| ·模糊集合基础 | 第20-21页 |
| ·聚类分析 | 第21-22页 |
| ·模糊C-均值聚类算法 | 第22-28页 |
| ·FCM数据集划分 | 第22-23页 |
| ·FCM目标函数的选取 | 第23-24页 |
| ·模糊C均值聚类算法描述 | 第24-25页 |
| ·模糊C均值聚类图像分割算法 | 第25-27页 |
| ·FCM图像分割算法性能分析 | 第27-28页 |
| ·常见的模糊C均值聚类改进算法 | 第28-30页 |
| ·基于空间信息的改进 | 第28-29页 |
| ·改变隶属度的约束条件 | 第29页 |
| ·引入核函数的FCM算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 数学形态学滤波及应用 | 第31-41页 |
| ·数学形态学概述 | 第31页 |
| ·二值形态学滤波 | 第31-37页 |
| ·集合概念补充 | 第32-34页 |
| ·形态学膨胀(Morphology Dilation) | 第34页 |
| ·形态学腐蚀(Morphology Erosion) | 第34-35页 |
| ·开运算和闭运算 | 第35-36页 |
| ·实验结果分析 | 第36-37页 |
| ·击中击不中变换 | 第37页 |
| ·基于形态学的图像处理基本算法 | 第37-39页 |
| ·边缘提取算法 | 第37-38页 |
| ·噪声滤除 | 第38页 |
| ·区域填充 | 第38页 |
| ·连通目标提取 | 第38-39页 |
| ·形态学理论在图像分割中的应用 | 第39-40页 |
| ·多尺度形态学图像边缘检测 | 第39页 |
| ·分水岭算法用于图像分割 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 聚类方法与形态学滤波相结合的眼底图像分割 | 第41-51页 |
| ·眼底视网膜图像特征分析 | 第41-42页 |
| ·视网膜血管图像的预处理 | 第42-45页 |
| ·眼底图像的色彩空间提取 | 第42-43页 |
| ·图像纹理分层 | 第43-44页 |
| ·自适应直方图均衡化及网络划分 | 第44-45页 |
| ·基于聚类的视网膜图像分割 | 第45-47页 |
| ·多尺度、多方向形态学滤波 | 第47-48页 |
| ·实验结果和分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·本文工作总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录1 论文算法提出的主要matlab仿真程序 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
