眼底图像分割方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 眼底成像设备及应用 | 第13-15页 |
| 1.1.1 成像设备 | 第13-14页 |
| 1.1.2 眼底照相机及应用 | 第14-15页 |
| 1.2 眼底图像分析处理技术的研究现状 | 第15-19页 |
| 1.2.1 研究背景 | 第15-16页 |
| 1.2.2 国外研究现状 | 第16-18页 |
| 1.2.3 国内研究现状 | 第18-19页 |
| 1.3 研究意义 | 第19-20页 |
| 1.4 本文工作 | 第20-23页 |
| 第2章 眼底结构及相应的图像处理技术 | 第23-44页 |
| 2.1 眼底图像预处理 | 第24-29页 |
| 2.1.1 图像去噪 | 第24-25页 |
| 2.1.2 图像增强 | 第25-29页 |
| 2.2 眼底图像分割技术 | 第29-39页 |
| 2.2.1 视盘分割技术 | 第30-34页 |
| 2.2.2 眼底血管分割技术 | 第34-39页 |
| 2.3 眼底图像标准数据库 | 第39-40页 |
| 2.3.1 DRIVE眼底图像库 | 第39页 |
| 2.3.2 STARE眼底图像库 | 第39-40页 |
| 2.4 眼底血管分割结果评价参数 | 第40-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第3章 视盘定位及分割技术 | 第44-53页 |
| 3.1 基于形态学方法定位视盘 | 第44-47页 |
| 3.2 视盘初始分割 | 第47-50页 |
| 3.2.1 视盘区域点归集 | 第47页 |
| 3.2.2 形态学区域膨胀 | 第47-48页 |
| 3.2.3 视盘区域填充 | 第48-49页 |
| 3.2.4 最小包围圆的确定 | 第49-50页 |
| 3.3 视盘精确分割 | 第50-51页 |
| 3.4 实验和结论 | 第51-53页 |
| 第4章 基于局部自适应阈值的眼底图像血管分割方法 | 第53-66页 |
| 4.1 预处理 | 第53-55页 |
| 4.1.1 对比度增强 | 第53-54页 |
| 4.1.2 局部自适应滤波 | 第54-55页 |
| 4.2 点特异度定义及相关理论分析 | 第55-56页 |
| 4.3 应用梯度下降基于点特异度进行血管分割 | 第56-59页 |
| 4.4 血管分割后期处理 | 第59-62页 |
| 4.4.1 基于集群感知的血管搜寻 | 第59-61页 |
| 4.4.2 血管片段连接 | 第61-62页 |
| 4.4.3 噪音滤波 | 第62页 |
| 4.5 实验及算法性能评价 | 第62-64页 |
| 4.6 结论 | 第64-66页 |
| 第5章 基于自适应分类策略的眼底图像血管分割方法 | 第66-80页 |
| 5.1 引言 | 第66-67页 |
| 5.2 点特异度新定义 | 第67-68页 |
| 5.3 基于点特异度阈值的主血管分割 | 第68-70页 |
| 5.4 多主体自适应像素分类 | 第70-73页 |
| 5.5 双层窗口去噪 | 第73-75页 |
| 5.6 血管分割算法SSVD | 第75-76页 |
| 5.7 实验及结论 | 第76-79页 |
| 5.7.1 血管分割测试 | 第76-77页 |
| 5.7.2 算法性能分析 | 第77-79页 |
| 5.8 结论 | 第79-80页 |
| 第6章 基于卷积神经网络的视盘和血管并行分割 | 第80-89页 |
| 6.1 视盘和血管分割 | 第81-84页 |
| 6.1.1 网络体系结构 | 第81-82页 |
| 6.1.2 网络输入 | 第82-83页 |
| 6.1.3 网络训练 | 第83-84页 |
| 6.1.4 网络测试 | 第84页 |
| 6.2 实验结果 | 第84-87页 |
| 6.3 结论 | 第87-89页 |
| 第7章 总结 | 第89-92页 |
| 7.1 本文所做工作 | 第89-91页 |
| 7.2 未来研究工作 | 第91-92页 |
| 参考文献 | 第92-104页 |
| 作者简介及科研成果 | 第104-105页 |
| 致谢 | 第105页 |
