| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景与意义 | 第10-13页 |
| 1.1.1 视网膜结构 | 第10-11页 |
| 1.1.2 青光眼和糖尿病视网膜病变 | 第11-12页 |
| 1.1.3 基于眼底图像的计算机辅助筛查 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 视杯分割研究现状 | 第13-15页 |
| 1.2.2 硬性渗出物检测研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.3.1 视杯的分割 | 第16-17页 |
| 1.3.2 硬性渗出物的检测 | 第17页 |
| 1.4 本文各章节安排 | 第17-20页 |
| 第2章 眼底图像处理相关理论知识 | 第20-34页 |
| 2.1 形态学图像处理 | 第20-21页 |
| 2.1.1 图像腐蚀及膨胀 | 第20页 |
| 2.1.2 图像开运算及闭运算 | 第20-21页 |
| 2.1.3 顶帽变换和底帽变换 | 第21页 |
| 2.2 基于边缘的图像分割 | 第21-28页 |
| 2.2.1 边缘检测 | 第21-24页 |
| 2.2.2 Gabor变换 | 第24-26页 |
| 2.2.3 水平集方法 | 第26-28页 |
| 2.3 基于区域的图像分割 | 第28-32页 |
| 2.3.1 区域生长法 | 第28-29页 |
| 2.3.2 ChanVese模型 | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 眼底图像中视杯的自动分割 | 第34-50页 |
| 3.1 视杯的自动分割及其在疾病诊断中的应用 | 第34-35页 |
| 3.2 视杯分割图像预处理 | 第35-36页 |
| 3.3 血管的识别与基于改进BSCB模型的血管修复 | 第36-39页 |
| 3.3.1 血管的识别 | 第36-37页 |
| 3.3.2 基于改进BSCB模型的血管修复 | 第37-39页 |
| 3.4 基于LCV模型的视杯轮廓分割 | 第39-40页 |
| 3.5 实验结果与算法评价 | 第40-47页 |
| 3.5.1 算法评价方法 | 第40-42页 |
| 3.5.2 实验结果 | 第42-45页 |
| 3.5.3 算法鲁棒性验证 | 第45-47页 |
| 3.6 结果讨论 | 第47-48页 |
| 3.7 本章小结 | 第48-50页 |
| 第4章 硬性渗出物检测 | 第50-66页 |
| 4.1 硬性渗出物检测及其在疾病诊断中的应用 | 第50-51页 |
| 4.2 本文硬性渗出物检测方法 | 第51-59页 |
| 4.2.1 图像预处理 | 第52-53页 |
| 4.2.2 视网膜关键结构的消除 | 第53-56页 |
| 4.2.3 硬性渗出物的提取 | 第56-58页 |
| 4.2.4 基于形态学的图像后处理 | 第58-59页 |
| 4.3 实验部分与结果讨论 | 第59-64页 |
| 4.3.1 数据库与评价方法 | 第59-60页 |
| 4.3.2 实验结果 | 第60-62页 |
| 4.3.3 结果分析与讨论 | 第62-64页 |
| 4.4 本章小结 | 第64-66页 |
| 结论与展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士期间发表的学术论文 | 第74-76页 |
| 致谢 | 第76-77页 |