| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究工作的背景与意义 | 第14-15页 |
| 1.2 国内外相关研究进展 | 第15-19页 |
| 1.2.1 舌体图像分割研究进展 | 第15-17页 |
| 1.2.2 舌体图像特征提取及预测研究进展 | 第17-19页 |
| 1.3 论文的主要工作 | 第19-20页 |
| 1.4 论文的结构安排 | 第20-21页 |
| 第二章 相关原理及技术 | 第21-43页 |
| 2.1 舌诊相关原理 | 第21-23页 |
| 2.2 色彩空间基础 | 第23-25页 |
| 2.2.1 RGB色彩模型 | 第23-24页 |
| 2.2.2 CIELab色彩模型 | 第24-25页 |
| 2.3 图像分割算法 | 第25-29页 |
| 2.3.1 Graph Cuts算法 | 第25-28页 |
| 2.3.2 Grab Cut算法 | 第28页 |
| 2.3.3 超像素算法 | 第28-29页 |
| 2.4 相关分类方法 | 第29-37页 |
| 2.5 分类器集成 | 第37-42页 |
| 2.5.1 分类器集成目的 | 第37-39页 |
| 2.5.2 常用分类器集成算法介绍 | 第39-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 舌体图像分割 | 第43-61页 |
| 3.1 Grab Cut算法在舌体图像分割的实现 | 第43-52页 |
| 3.1.1 Grab Cut算法介绍 | 第43-45页 |
| 3.1.2 舌体图像的Grab Cut算法实验结果 | 第45-48页 |
| 3.1.3 基于Grab Cut算法的矫正分割 | 第48-52页 |
| 3.2 舌体图像的SLIC区域划分 | 第52-55页 |
| 3.2.1 SLIC算法介绍 | 第52-53页 |
| 3.2.2 SLIC实验结果及分析 | 第53-55页 |
| 3.3 基于SLIC的区域合并算法实现 | 第55-57页 |
| 3.4 基于SLIC的Grab Cut算法改进实现 | 第57-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第四章 舌体图像特征提取 | 第61-71页 |
| 4.1 舌体图像建模依据 | 第61页 |
| 4.2 舌体图像颜色特征提取 | 第61-65页 |
| 4.3 舌体图像纹理特征提取 | 第65-68页 |
| 4.4 先验知识数据库的建立 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 舌体图像分类预测 | 第71-84页 |
| 5.1 基于单分类算法的肾脏疾病预测 | 第71-74页 |
| 5.2 基于加权投票的异构分类器集成 | 第74-78页 |
| 5.2.1 异构分类器集成实现 | 第74-77页 |
| 5.2.2 实验数据对比及结果分析 | 第77-78页 |
| 5.3 平台实现及结果展示 | 第78-83页 |
| 5.4 本章小结 | 第83-84页 |
| 第六章 结束语 | 第84-87页 |
| 6.1 论文工作总结 | 第84-85页 |
| 6.2 后续工作展望 | 第85-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-92页 |