| 目录 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第8-12页 |
| ·背景介绍 | 第8-9页 |
| ·本文的技术路线 | 第9-10页 |
| ·本文的结构安排 | 第10-12页 |
| 第二章 研究背景 | 第12-25页 |
| ·图像分割 | 第12-14页 |
| ·图像分割的定义 | 第12-13页 |
| ·图像分割的研究意义 | 第13-14页 |
| ·当前的图像分割算法 | 第14-20页 |
| ·直方图阈值法 | 第15页 |
| ·特征空间聚类 | 第15-16页 |
| ·基于区域的方法 | 第16-18页 |
| ·边缘检测 | 第18-19页 |
| ·模糊方法 | 第19页 |
| ·人工神经网络 | 第19-20页 |
| ·基于物理模型的方法 | 第20页 |
| ·已有算法的局限性 | 第20-21页 |
| ·本文技术路线的具体分析 | 第21-24页 |
| ·本文的主要贡献 | 第24-25页 |
| 第三章 快速过分割算法研究 | 第25-34页 |
| ·引言 | 第25-26页 |
| ·研究目标 | 第25-26页 |
| ·技术分析 | 第26页 |
| ·种子区域增长法 | 第26-28页 |
| ·种子区域增长法的基本原理和发展现状 | 第26-27页 |
| ·本文使用的种子区域增长算法 | 第27-28页 |
| ·分水岭算法 | 第28-34页 |
| ·分水岭算法简介 | 第28-29页 |
| ·分水岭算法基本原理及分类 | 第29-30页 |
| ·分水岭算法的描述 | 第30-32页 |
| ·分水岭算法实验结果及分析 | 第32-34页 |
| 第四章 基于k近邻快速区域归并的图像分割算法 | 第34-50页 |
| ·引言 | 第34-35页 |
| ·图像分割问题描述和算法流程 | 第35-37页 |
| ·问题描述 | 第35页 |
| ·算法流程 | 第35-37页 |
| ·基于K邻居图的快速归并算法 | 第37-41页 |
| ·区域相似度定义 | 第37-38页 |
| ·基于K邻居图实现快速归并 | 第38-41页 |
| ·算法停止条件 | 第41页 |
| ·K邻居图的建立和初始化 | 第41-45页 |
| ·初始过分割 | 第41-43页 |
| ·边缘检测 | 第43页 |
| ·建立K近邻图 | 第43-45页 |
| ·实验结果 | 第45-48页 |
| ·结论 | 第48-50页 |
| 第五章 基于k近邻快速区域归并的视网膜硬性渗出检测 | 第50-58页 |
| ·引言 | 第50-51页 |
| ·图像预处理 | 第51-52页 |
| ·图像增强 | 第51页 |
| ·视盘检测 | 第51-52页 |
| ·视网膜分割 | 第52-56页 |
| ·用K邻居快速分割算法分割视网膜图像 | 第52-55页 |
| ·视网膜硬性渗出定位 | 第55-56页 |
| ·实验结果 | 第56-57页 |
| ·结论 | 第57-58页 |
| 第六章 光照场景下的图像分割研究 | 第58-69页 |
| ·引言 | 第58-59页 |
| ·技术分析 | 第59-62页 |
| ·从图像中分解出Intrinsic图 | 第59-61页 |
| ·图像分割 | 第61-62页 |
| ·光照场景下的图像分割 | 第62-66页 |
| ·去除图像中的光照影响 | 第62-65页 |
| ·对reflectance图进行图像分割 | 第65-66页 |
| ·实验结果和分析 | 第66-68页 |
| ·结论 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读学位期间的工作与发表论文 | 第77-78页 |
| 致谢 | 第78-79页 |