| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-17页 |
| 1.1 引言 | 第8-9页 |
| 1.2 研究背景和意义 | 第9-10页 |
| 1.3 现有视网膜血管分割方法 | 第10-14页 |
| 1.4 本文研究问题的难点 | 第14-15页 |
| 1.5 本文研究主要内容和章节安排 | 第15-17页 |
| 2 Curvelet 变换 | 第17-26页 |
| 2.1 Curvelet 变换的发展由来 | 第17-20页 |
| 2.2 Curvelet 变换的基本理论 | 第20-23页 |
| 2.3 离散 Curvelet 变换及其数字实现方法 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 3 基于 Curvelet 变换的视网膜图像增强 | 第26-35页 |
| 3.1 视网膜图像预处理 | 第26-27页 |
| 3.2 基于 Curvelet 变换的视网膜图像对比度增强算法 | 第27-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 基于多结构形态学的视网膜血管检测 | 第35-46页 |
| 4.1 数学形态学相关知识 | 第35-36页 |
| 4.2 基于多结构元素与改进高帽变换的视网膜血管边缘检测算法 | 第36-40页 |
| 4.3 基于形态学开重构去除伪边缘算法 | 第40-42页 |
| 4.4 基于熵的阈值分割 | 第42-43页 |
| 4.5 实验结果和性能评价 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
