| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.2 国内外相关研究情况 | 第12-17页 |
| 1.2.1 无线胶囊内窥镜图像处理算法研究现状 | 第12-13页 |
| 1.2.2 无线胶囊内窥镜图像病灶检测方法研究现状 | 第13-17页 |
| 1.3 本文的研究内容及结构安排 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 胶囊内窥镜图像病灶检测系统分析 | 第19-31页 |
| 2.1 内镜图像检测分类整体框架 | 第19页 |
| 2.2 图像预处理 | 第19-22页 |
| 2.2.1 图像空间域增强 | 第20-21页 |
| 2.2.2 图像去噪 | 第21-22页 |
| 2.3 图像编码技术 | 第22-23页 |
| 2.4 图像特征提取 | 第23-24页 |
| 2.5 分类器的设计 | 第24-27页 |
| 2.5.1 KNN算法介绍 | 第24-25页 |
| 2.5.2 K-means算法原理 | 第25-27页 |
| 2.6 图像检测与分类的应用 | 第27-28页 |
| 2.7 实验数据 | 第28-29页 |
| 2.8 评价指标 | 第29-30页 |
| 2.9 本章小结 | 第30-31页 |
| 第三章 基于滤波器组与CS-LBP的内窥镜图像病灶检测方法 | 第31-44页 |
| 3.1 滤波器组与CS-LBP算法的实现 | 第31-34页 |
| 3.1.1 LM滤波器组的定义 | 第31-32页 |
| 3.1.2 LBP算子的描述 | 第32-33页 |
| 3.1.3 CS-LBP的定义 | 第33-34页 |
| 3.2 特征提取与病灶检测 | 第34-41页 |
| 3.2.1 纹理基元字典的形成 | 第35-37页 |
| 3.2.2 图像块字典的形成 | 第37-38页 |
| 3.2.3 设置分类器 | 第38页 |
| 3.2.4 内窥镜异常图像检测算法描述 | 第38-41页 |
| 3.3 病灶检测结果与分析 | 第41-43页 |
| 3.3.1 内窥镜图像检测结果与分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于EDBTC特征的内窥镜图像病灶检测方法 | 第44-56页 |
| 4.1 引言 | 第44-46页 |
| 4.2 针对彩色内窥镜图像的EDBTC实现 | 第46-49页 |
| 4.2.1 EDBTC的定义与实现 | 第46-48页 |
| 4.2.2 LBG算法描述 | 第48-49页 |
| 4.3 内窥镜病灶图像检测方法总体框架 | 第49-50页 |
| 4.4 特征提取 | 第50-54页 |
| 4.4.1 矢量量化(VQ) | 第50页 |
| 4.4.2 颜色直方图特征(CHF) | 第50-53页 |
| 4.4.3 位模式直方图特征(BHF) | 第53-54页 |
| 4.5 EDBTC特征的图像检测 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文研究工作总结 | 第56-57页 |
| 5.2 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 附录A (攻读学位期间发表的论文) | 第65-66页 |
| 附录B (攻读学位期间参与的科研项目) | 第66页 |
