| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-20页 |
| ·医学超声图像技术发展及成像原理 | 第11-13页 |
| ·B 型超声及其成像原理 | 第11-12页 |
| ·生物组织的超声特性 | 第12-13页 |
| ·医学图像分析和特征分析的理论及运用概述 | 第13-17页 |
| ·肝脏B 超图像的超声特性 | 第14-15页 |
| ·超声图像纹理特征基本概念 | 第15-16页 |
| ·基于灰度的超声图像纹理特征分析 | 第16页 |
| ·基于小波的超声图像纹理特征分析 | 第16-17页 |
| ·医学图像纹理分析及识别在相关领域的现状及发展趋势 | 第17-18页 |
| ·课题的目的及意义 | 第18页 |
| ·本文的主要工作和安排 | 第18-20页 |
| 第二章 肝脏超声图像识别系统构成及软件方法 | 第20-35页 |
| ·肝脏超声图像识别系统开发平台简介 | 第20页 |
| ·肝脏超声图像识别系统的硬件构成 | 第20-23页 |
| ·图像采集卡的硬件安装 | 第20-21页 |
| ·图像采集卡的软件安装 | 第21页 |
| ·图像摄取控件的应用 | 第21-23页 |
| ·肝脏超声图像识别系统的软件构成 | 第23-34页 |
| ·肝脏超声图像识别系统构成的软件框架 | 第23-24页 |
| ·图像预处理的基本方法 | 第24-30页 |
| ·灰度图像特殊处理方法 | 第30-31页 |
| ·肝脏超声图像特征定义 | 第31页 |
| ·模式特征库的建立与修改 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 超声图像纹理分析 | 第35-55页 |
| ·纹理分析方法 | 第36-37页 |
| ·纹理特征提取方法 | 第36页 |
| ·纹理综合特征在肝脏识别中的综合应用 | 第36-37页 |
| ·超声图像纹理特征分析方法 | 第37页 |
| ·基于灰度共生矩阵的纹理特征提取技术 | 第37-45页 |
| ·灰度共生矩阵的定义 | 第38页 |
| ·灰度共生矩阵特征参数介绍 | 第38-40页 |
| ·基于灰度共生矩阵的B 超图像纹理特征提取的算法实现 | 第40-43页 |
| ·灰度共生矩阵提取的B 超图像纹理特征的分析 | 第43-45页 |
| ·基于Gabor 小波纹理的特征提取技术 | 第45-54页 |
| ·小波变换的基本概念 | 第45-47页 |
| ·Gabor 函数和Gabor 小波 | 第47-49页 |
| ·多通道Gabor 小波变换的设计 | 第49-51页 |
| ·基于Gabor 小波的B 超图像纹理特征提取的算法实现 | 第51-52页 |
| ·Gabor 小波提取的B 超图像纹理特征的比较分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 超声图像分类方法 | 第55-72页 |
| ·模板匹配识别方法 | 第55-58页 |
| ·模板匹配原理 | 第55-56页 |
| ·模板匹配方法实现 | 第56-57页 |
| ·基于模板匹配的肝脏B 超图像识别实现 | 第57-58页 |
| ·最小平方误差准则（LMSE 法） | 第58-61页 |
| ·最小平方误差原理 | 第58-60页 |
| ·LMSE 分类方法实现 | 第60页 |
| ·基于LMES 法的肝脏B 超图像识别实现 | 第60-61页 |
| ·神经网络识别方法 | 第61-71页 |
| ·神经网络概述 | 第62-63页 |
| ·神经网络模式识别系统 | 第63-64页 |
| ·BP 神经网络简介 | 第64-68页 |
| ·BP 网络的改进 | 第68-69页 |
| ·基于BP 神经网络的肝脏B 超图像识别实现 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 肝脏超声图像识别系统软件技术与各模块协调 | 第72-82页 |
| ·肝脏超声图像识别系统中面向对象程序设计方法 | 第73-75页 |
| ·肝脏超声图像系统中的数据统筹调配 | 第75-76页 |
| ·肝脏超声图像识别系统各模块的建立与协调 | 第76-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 肝脏超声图像识别实验对比与总结 | 第82-91页 |
| ·纹理特征数据处理 | 第82-84页 |
| ·基于肝脏纹理的模板匹配实验测试 | 第84-85页 |
| ·基于灰度共生矩阵提取特征的模板识别实验 | 第84-85页 |
| ·基于Gabor 小波变换提取特征的模板匹配实验 | 第85页 |
| ·基于肝脏纹理的LMES 法实验测试 | 第85-86页 |
| ·基于灰度共生矩阵提取特征的LMES 法实验 | 第85页 |
| ·基于Gabor 小波变化提取特征的LMES 法实验 | 第85-86页 |
| ·基于肝脏纹理的BP 神经网络实验测试 | 第86-89页 |
| ·基于灰度共生矩阵提取特征的BP 网络的实验 | 第86-88页 |
| ·基于Gabor 小波变换提取特征的BP 网络的实验 | 第88-89页 |
| ·各类分类方法的比较分析 | 第89页 |
| ·本课题总结及后续研究 | 第89-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-95页 |
| 附录一：计算位于不同角度灰度共生矩阵的源代码 | 第95-96页 |
| 附录二：Gabor 小波提取的B 超图像纹理特征算法实现源代码 | 第96-97页 |
| 附录三：LMSE 分类算法程序实现源代码 | 第97-100页 |
| 个人简历 在读期间发表的学术论文 | 第100页 |
