| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 微钙化点性状简述 | 第9-10页 |
| 1.3 图像的预处理 | 第10-11页 |
| 1.4 图像增强 | 第11-12页 |
| 1.5 微钙化点分割 | 第12-14页 |
| 1.6 微钙化点检测与分类 | 第14-16页 |
| 1.6.1 特征选取 | 第14-15页 |
| 1.6.2 分类器选择 | 第15-16页 |
| 1.7 未来发展趋势 | 第16-17页 |
| 1.8 论文研究内容及章节安排 | 第17-18页 |
| 附图 | 第18-20页 |
| 第2章 图像预处理和增强 | 第20-34页 |
| 2.1 数据库 | 第20页 |
| 2.2 图像预处理 | 第20-21页 |
| 2.3 图像增强 | 第21-32页 |
| 2.3.1 灰度变换 | 第21-24页 |
| 2.3.2 小波重构增强 | 第24-27页 |
| 2.3.3 非下采样contourlet变换重构增强 | 第27-29页 |
| 2.3.4 增强结果对比和分析 | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 钙化点分割 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 图像处理中的形态学 | 第34-35页 |
| 3.3 基于数学形态学的分水岭分割 | 第35-37页 |
| 3.4 基于标记的分水岭分割 | 第37-40页 |
| 3.5 结果分析 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 支持向量机分类 | 第44-62页 |
| 4.1 SVM(SupportVectorMachine)支持向量机 | 第44-47页 |
| 4.2 特征选择和提取 | 第47-49页 |
| 4.3 计算分类模型并分类 | 第49-50页 |
| 4.4 实验结果分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 附图 | 第52-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 论文工作总结 | 第62-63页 |
| 5.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 在学期间的研究成果 | 第68-70页 |
| 致谢 | 第70页 |