乳腺超声图像处理技术的研究与应用
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-14页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要工作 | 第13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第2章 乳腺超声图像处理技术综述 | 第14-30页 |
| 2.1 图像增强 | 第14-21页 |
| 2.1.1 图像去噪 | 第14-18页 |
| 2.1.2 图像灰度变换 | 第18-19页 |
| 2.1.3 边缘增强 | 第19-21页 |
| 2.2 图像分割 | 第21-23页 |
| 2.3 图像识别 | 第23-30页 |
| 2.3.1 特征提取 | 第23-28页 |
| 2.3.2 图像分类 | 第28-30页 |
| 第3章 乳腺增生超声图像自动化分割 | 第30-55页 |
| 3.1 背景 | 第30页 |
| 3.2 活动轮廓模型 | 第30-34页 |
| 3.2.1 snake模型 | 第30-31页 |
| 3.2.2 水平集方法 | 第31-34页 |
| 3.3. 局部分割算法 | 第34-40页 |
| 3.3.1 算法框架 | 第34页 |
| 3.3.2 Otsu法 | 第34-36页 |
| 3.3.3 局部二值拟合水平集方法 | 第36-40页 |
| 3.4 全局分割算法 | 第40-55页 |
| 3.4.1 方法框架 | 第40-41页 |
| 3.4.2 SLIC超像素 | 第41-43页 |
| 3.4.3 超像素特征提取 | 第43-45页 |
| 3.4.4 Adaboost特征选择及分类 | 第45-46页 |
| 3.4.5 结果修正与边界提取 | 第46-49页 |
| 3.4.6 基于局部统计信息的活动轮廓模型 | 第49-55页 |
| 第4章 分割结果展示与分析 | 第55-67页 |
| 4.1 局部分割结果分析 | 第55-57页 |
| 4.2 全局分割结果分析 | 第57-67页 |
| 4.2.1 乳腺区域分类结果 | 第57-59页 |
| 4.2.2 结果修正与边界提取 | 第59-61页 |
| 4.2.3 分割结果分析 | 第61-67页 |
| 第5章 系统设计与界面展示 | 第67-76页 |
| 5.1 系统实现环境 | 第67页 |
| 5.2 系统功能设计 | 第67-69页 |
| 5.3 系统界面展示 | 第69-76页 |
| 第6章 总结 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 学位论文评阅及答辩情况表 | 第83页 |
