| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.1.1 眼底视网膜结构介绍 | 第10-11页 |
| 1.1.2 图像处理在医学领域的应用 | 第11页 |
| 1.2 眼底图像采集 | 第11-12页 |
| 1.3 数据集 | 第12-13页 |
| 1.4 本文主要工作 | 第13页 |
| 1.5 文章的整体结构 | 第13-15页 |
| 第2章 眼底视网膜结构检测方法综述 | 第15-24页 |
| 2.1 视盘检测方法综述 | 第15-18页 |
| 2.1.1 利用视盘区域亮度和形状信息检测视盘中心 | 第16-17页 |
| 2.1.2 利用血管信息检测视盘中心 | 第17-18页 |
| 2.2 视网膜血管检测方法综述 | 第18-22页 |
| 2.2.1 窗口匹配滤波 | 第19页 |
| 2.2.2 血管跟踪技术 | 第19页 |
| 2.2.3 形态学技术 | 第19-21页 |
| 2.2.4 分类器技术 | 第21-22页 |
| 2.3 黄斑检测方法综述 | 第22-23页 |
| 2.3.1 灰度直接法 | 第22-23页 |
| 2.3.2 辅助信息法 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 视盘检测与识别 | 第24-38页 |
| 3.1 本章主要研究内容 | 第24-25页 |
| 3.2 眼底图像预处理 | 第25-28页 |
| 3.2.1 提取感兴趣区域 | 第25-26页 |
| 3.2.2 图像灰度化 | 第26-28页 |
| 3.3 视盘半径的估计 | 第28-29页 |
| 3.4 视盘区域分割 | 第29-35页 |
| 3.4.1 提取候选区域 | 第29-32页 |
| 3.4.2 基于灰度方差的定位算法 | 第32-33页 |
| 3.4.3 基于模板匹配的定位算法 | 第33-35页 |
| 3.5 实验结果 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 黄斑检测与识别 | 第38-52页 |
| 4.1 本章主要研究内容 | 第38-40页 |
| 4.2 眼底图像预处理 | 第40-41页 |
| 4.3 视网膜血管提取 | 第41-45页 |
| 4.3.1 眼底图像的血管特征分析 | 第41-42页 |
| 4.3.2 利用二维离散小波提取血管 | 第42-45页 |
| 4.4 基于最小二乘法确定黄斑中心候选点 | 第45-47页 |
| 4.5 基于灰度信息的黄斑定位算法 | 第47-49页 |
| 4.6 实验结果 | 第49-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 结论与展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 作者简介及在学期间所取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |