基于稀疏表示和字典训练的微血管分割方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 稀疏表示研究现状 | 第13-14页 |
| 1.3 微血管图像分割国内外研究现状 | 第14-17页 |
| 1.3.1 国外研究现状 | 第14-16页 |
| 1.3.2 国内研究现状 | 第16-17页 |
| 1.4 本课题的主要研究内容及章节安排 | 第17-19页 |
| 第2章 微血管图像处理 | 第19-30页 |
| 2.1 微循环简介 | 第19-20页 |
| 2.2 微血管图像的特点 | 第20-21页 |
| 2.3 微血管显微图像的获取 | 第21-22页 |
| 2.4 微血管显微图像的分割 | 第22-29页 |
| 2.4.1 基于阈值的微血管图像分割 | 第22-23页 |
| 2.4.2 基于边缘检测的微血管图像分割 | 第23-25页 |
| 2.4.3 基于形态学的微血管图像分割 | 第25-27页 |
| 2.4.4 基于区域生长的微血管图像分割 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 稀疏表示及字典学习理论 | 第30-41页 |
| 3.1 稀疏表示 | 第30-32页 |
| 3.2 字典学习 | 第32-36页 |
| 3.2.1 固定字典 | 第32-34页 |
| 3.2.2 学习字典 | 第34-36页 |
| 3.3 判别字典 | 第36-40页 |
| 3.3.1 基于FDDL算法模型的字典学习 | 第37-39页 |
| 3.3.2 判别字典学习 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于稀疏聚类的微血管图像分割 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 稀疏子空间聚类算法 | 第41-44页 |
| 4.2.1 谱聚类算法 | 第41-43页 |
| 4.2.2 基于稀疏表示的聚类 | 第43-44页 |
| 4.3 基于块稀疏子空间聚类的图像分割 | 第44-47页 |
| 4.3.1 基于子空间聚类的图像分割框架 | 第45-46页 |
| 4.3.2 基于块稀疏子空间聚类的图像分割模型 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 微血管图像分割方法的实现 | 第48-58页 |
| 5.1 实验环境 | 第48-49页 |
| 5.1.1 硬件环境 | 第48页 |
| 5.1.2 软件环境 | 第48-49页 |
| 5.2 实验过程 | 第49-56页 |
| 5.2.1 显微图像的采集 | 第49-51页 |
| 5.2.2 显微图像的预处理 | 第51-53页 |
| 5.2.3 显微图像的融合 | 第53-55页 |
| 5.2.4 显微图像的分割 | 第55-56页 |
| 5.3 本章小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间所发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |
