| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 微小动脉瘤自动检测技术的研究背景 | 第10-13页 |
| 1.1.1 糖尿病性视网膜病变 | 第10-11页 |
| 1.1.2 视网膜血管瘤 | 第11-12页 |
| 1.1.3 视网膜微小动脉瘤 | 第12-13页 |
| 1.2 微小动脉瘤自动检测技术的研究现状及意义 | 第13-16页 |
| 1.3 微小动脉瘤自动检测技术的研究难点 | 第16-17页 |
| 1.4 本论文主要研究内容和工作安排 | 第17-18页 |
| 第2章 微小动脉瘤自动检测理论 | 第18-28页 |
| 2.1 微小动脉瘤自动检测技术的关键问题 | 第18-19页 |
| 2.2 视网膜图像预处理技术 | 第19-24页 |
| 2.2.1 视网膜图像特性分析 | 第20-22页 |
| 2.2.2 视网膜图像预处理 | 第22-24页 |
| 2.3 微小动脉瘤自动检测算法的评估方法 | 第24-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于DMPT-SC的微小动脉瘤模板匹配算法 | 第28-58页 |
| 3.1 传统的模板匹配算法 | 第28-32页 |
| 3.1.1 MAD算法 | 第28-29页 |
| 3.1.2 NCC算法 | 第29页 |
| 3.1.3 SSDA算法 | 第29-30页 |
| 3.1.4 TL匹配算法 | 第30页 |
| 3.1.5 FT匹配算法 | 第30-32页 |
| 3.2 基于FT的DMPT-SC微小动脉瘤模板匹配算法 | 第32-46页 |
| 3.2.1 DMPT-SC算法基本要素 | 第32-40页 |
| 3.2.2 DMPT-SC算法实现 | 第40-44页 |
| 3.2.3 DMPT-SC算法的仿真与分析 | 第44-46页 |
| 3.3 基于双层筛选的微小动脉瘤提取策略 | 第46-57页 |
| 3.3.1 双层筛选的基本内容 | 第47-48页 |
| 3.3.2 双层筛选的实施策略 | 第48-55页 |
| 3.3.3 双层筛选的仿真与分析 | 第55-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第4章 微小动脉瘤过滤算法 | 第58-76页 |
| 4.1 微小动脉瘤的特征信息分类 | 第58-63页 |
| 4.1.1 图像特征信息分类 | 第58-59页 |
| 4.1.2 微小动脉瘤的特征信息分类 | 第59-63页 |
| 4.2 基于分布特性的DCS-AWS算法 | 第63-71页 |
| 4.2.1 特征值区间的计算方法 | 第63-66页 |
| 4.2.2 DCS策略 | 第66-68页 |
| 4.2.3 AWS策略 | 第68-71页 |
| 4.3 仿真分析 | 第71-74页 |
| 4.4 本章小结 | 第74-76页 |
| 第5章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 作者攻读硕士学位期间发表的论文 | 第86页 |