| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 研究现状及存在问题 | 第15-18页 |
| 1.2.1 舌体分割研究现状及存在问题 | 第15-17页 |
| 1.2.2 舌象分类研究现状及存在问题 | 第17-18页 |
| 1.3 主要研究内容和创新点 | 第18-19页 |
| 1.4 本文结构安排 | 第19-21页 |
| 第二章 相关技术 | 第21-39页 |
| 2.1 图像分割 | 第21-24页 |
| 2.2 深度学习和卷积神经网络 | 第24-28页 |
| 2.2.1 深度学习 | 第24页 |
| 2.2.2 卷积神经网络 | 第24-28页 |
| 2.3 语义分割 | 第28-33页 |
| 2.3.1 全卷积神经网络FCN | 第29-31页 |
| 2.3.2 SegNet | 第31页 |
| 2.3.3 生物神经网络U-Net | 第31-32页 |
| 2.3.4 DeconvNet | 第32-33页 |
| 2.4 常用分类网络 | 第33-36页 |
| 2.4.1 VGGNet | 第33-34页 |
| 2.4.2 GoogleNet | 第34-35页 |
| 2.4.3 ResNet | 第35-36页 |
| 2.4.4 DenseNet | 第36页 |
| 2.5 本章小结 | 第36-39页 |
| 第三章 基于TS-Net的舌体分割方法研究 | 第39-59页 |
| 3.1 引言 | 第39-40页 |
| 3.2 构建舌象数据集 | 第40-47页 |
| 3.2.1 舌象采集 | 第40-43页 |
| 3.2.2 舌象标注 | 第43-47页 |
| 3.3 舌体分割网络结构 | 第47-51页 |
| 3.4 实验结果与分析 | 第51-57页 |
| 3.4.1 舌体分割性能评测指标 | 第51-52页 |
| 3.4.2 对比方法 | 第52-53页 |
| 3.4.3 具体实现和实验设置 | 第53-55页 |
| 3.4.4 实验结果 | 第55-57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 融合质苔分离和深度残差网络的舌象分类方法研究 | 第59-75页 |
| 4.1 引言 | 第59-60页 |
| 4.2 基于Lab颜色空间和舌色中心的舌质舌苔分离 | 第60-65页 |
| 4.2.1 颜色空间转换 | 第60-61页 |
| 4.2.2 舌色中心的定义 | 第61-64页 |
| 4.2.3 舌质舌苔分离 | 第64-65页 |
| 4.3 残差舌象分类模型 | 第65-69页 |
| 4.3.1 残差结构 | 第65-67页 |
| 4.3.2 舌象分类模型 | 第67-69页 |
| 4.4 基于舌象颜色的中医诊断 | 第69-70页 |
| 4.5 实验结果与分析 | 第70-73页 |
| 4.5.1 舌质舌苔分离效果 | 第70-71页 |
| 4.5.2 具体实现与实验设置 | 第71页 |
| 4.5.3 实验结果 | 第71-73页 |
| 4.6 本章小结 | 第73-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 本文工作内容 | 第75-76页 |
| 5.2 未来工作展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 附录 硕士期间发表的论文及参与项目 | 第81-83页 |
| 致谢 | 第83页 |