| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 胃镜检查技术概述 | 第9-10页 |
| 1.2 计算机辅助胃镜图像分析方法 | 第10-12页 |
| 1.2.1 计算机辅助胃镜图像分析方法 | 第10-11页 |
| 1.2.2 本文采用的胃镜图像分析方法 | 第11-12页 |
| 1.3 主要创新点和本文结构 | 第12-14页 |
| 第二章 胃镜图像预处理 | 第14-28页 |
| 2.1 胃镜图像数据库建立 | 第14-17页 |
| 2.1.1 数据库平台 | 第14-15页 |
| 2.1.2 数据结构设计 | 第15-16页 |
| 2.1.3 系统实现 | 第16-17页 |
| 2.2 胃镜图像颜色分析 | 第17-25页 |
| 2.2.1 颜色空间 | 第18-21页 |
| 2.2.2 颜色直方图 | 第21-22页 |
| 2.2.3 胃镜图像颜色分析 | 第22-25页 |
| 2.3 胃镜图像预处理 | 第25-27页 |
| 2.3.1 胃镜图像感兴趣区域（ROI）提取 | 第25-26页 |
| 2.3.2 胃镜图像反光区域消除 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 第三章 基于Mean Shift 算法的胃镜图像分割 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 Mean Shift 原理 | 第28-32页 |
| 3.3 Mean Shift 彩色图像分割及在胃镜图像中的应用 | 第32-35页 |
| 3.4 小结 | 第35-36页 |
| 第四章 胃镜图像颜色特征及基于MS-CWC 算法的纹理特征提取 | 第36-62页 |
| 4.1 引言 | 第36页 |
| 4.2 胃镜图像颜色特征提取及归一化 | 第36-40页 |
| 4.3 胃镜图像纹理特征提取 | 第40-56页 |
| 4.3.1 小波变换和灰度共生矩阵 | 第41-46页 |
| 4.3.2 基于 Mean Shift 思想的改进的灰度共生矩阵算法 | 第46-52页 |
| 4.3.3 彩色图像纹理特征提取 CWC 算法 | 第52-55页 |
| 4.3.4 基于Mean Shift 的CWC 算法 | 第55-56页 |
| 4.4 实验分析 | 第56-61页 |
| 4.4.1 标准测试图像试验 | 第56-60页 |
| 4.4.2 胃镜图像试验 | 第60-61页 |
| 4.5 小结 | 第61-62页 |
| 第五章 胃镜图像分类算法 | 第62-73页 |
| 5.1 引言 | 第62页 |
| 5.2 Perceptron 算法 | 第62-66页 |
| 5.2.1 Perceptron 算法原理 | 第63-64页 |
| 5.2.2 Perceptron 算法在胃镜图像中的应用 | 第64-66页 |
| 5.3 Adaboost 算法 | 第66-69页 |
| 5.3.1 Boosting 算法 | 第66-67页 |
| 5.3.2 Adaboost 算法原理及在胃镜图像中的应用 | 第67-69页 |
| 5.4 实验分析 | 第69-72页 |
| 5.4.1 胃镜图像分析中感知器算法和 Adaboost 算法性能比较 | 第69-70页 |
| 5.4.2 胃镜图像分析中特征提取比较 | 第70-71页 |
| 5.4.3 胃镜图像分析中全局和Mean Shift 区域识别效果比较 | 第71-72页 |
| 5.5 小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间录用和发表的论文 | 第83-85页 |
| 上海交通大学硕士学位论文答辩决议书 | 第85-86页 |
