眼底图像配准方法研究
| 中文摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 引言 | 第9-10页 |
| 1.2 眼底图像配准研究背景、目的和意义 | 第10-11页 |
| 1.3 眼底配准关键技术研究现状及面临问题 | 第11-13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第2章 图像配准研究基础 | 第15-38页 |
| 2.1 医学图像配准介绍 | 第15-20页 |
| 2.1.1 医学图像配准概念 | 第15-16页 |
| 2.1.2 图像配准算法框架 | 第16-19页 |
| 2.1.3 医学图像配准的步骤 | 第19-20页 |
| 2.2 医学图像配准方法分类介绍 | 第20-26页 |
| 2.2.1 根据特征 | 第20-21页 |
| 2.2.2 根据配准的医学图像主体来源 | 第21-22页 |
| 2.2.3 根据配准的医学图像模态 | 第22-23页 |
| 2.2.4 根据空间维数 | 第23页 |
| 2.2.5 根据空间变换的方法 | 第23-26页 |
| 2.3 基于图像灰度的配准 | 第26-28页 |
| 2.3.1 相关法 | 第27页 |
| 2.3.2 最大互信息配准法 | 第27-28页 |
| 2.3.3 基于小波的图像配准 | 第28页 |
| 2.4 基于特征的图像配准 | 第28-32页 |
| 2.4.1 SUSAN算子 | 第29-31页 |
| 2.4.2 Harris算子 | 第31-32页 |
| 2.4.3 SIFT算子 | 第32页 |
| 2.5 图像配准评估 | 第32-34页 |
| 2.6 图像的融合 | 第34-37页 |
| 2.6.1 简单图像融合方法 | 第34-35页 |
| 2.6.2 金字塔方法 | 第35-36页 |
| 2.6.3 基于小波变换的融合方法 | 第36-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第3章 图像配准算法实现 | 第38-60页 |
| 3.1 最大互信息配准算法 | 第38-43页 |
| 3.1.1 互信息理论 | 第38-41页 |
| 3.1.2 基于互信息的医学图像配准算法的实现 | 第41-43页 |
| 3.2 基于特征点的配准算法 | 第43-56页 |
| 3.2.1 SIFT算法特征点的提取 | 第43-49页 |
| 3.2.2 8邻域编码查表算法分叉点提取 | 第49-52页 |
| 3.2.3 ICP算法 | 第52-56页 |
| 3.3 基于局部血管结构特征的配准算法 | 第56-59页 |
| 3.3.1 分叉结构的提取 | 第57-58页 |
| 3.3.2 特征结构算法具体实现 | 第58-59页 |
| 3.3.3 基于局部血管结构特征的配准算法小结 | 第59页 |
| 3.4 本章小结 | 第59-60页 |
| 第4章 结果与讨论 | 第60-74页 |
| 4.1 实验数据准备 | 第60-61页 |
| 4.1.1 算法效率 | 第60页 |
| 4.1.2 仿真实验准备 | 第60-61页 |
| 4.2 仿真实验结果 | 第61-73页 |
| 4.2.1 最大互信息配准算法 | 第61-64页 |
| 4.2.2 基于特征点的配准算法 | 第64-69页 |
| 4.2.3 基于局部血管结构特征的配准算法 | 第69-73页 |
| 4.3 结果讨论 | 第73页 |
| 4.4 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 总结 | 第74页 |
| 5.2 展望 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78页 |
