基于二维超声图像的右心室运动轨迹跟踪
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 课题研究背景与意义 | 第10-16页 |
| 1.2.1 医学超声图像的基本原理 | 第10-14页 |
| 1.2.2 右心室运动生理机制 | 第14-15页 |
| 1.2.3 光流法 | 第15-16页 |
| 1.2.4 超声二维斑点追踪成像技术 | 第16页 |
| 1.3 国内外发展状况 | 第16页 |
| 1.4 本文研究内容 | 第16-18页 |
| 第2章 光流法用于运动轨迹的跟踪 | 第18-26页 |
| 2.1 背景简介 | 第18-19页 |
| 2.2 光流法的基本原理 | 第19-20页 |
| 2.3 传统光流法 | 第20-22页 |
| 2.3.1 Horn & Schunck算法 | 第20页 |
| 2.3.2 Lucas-Kanade算法 | 第20-21页 |
| 2.3.3 pyramidal LK算法 | 第21-22页 |
| 2.4 光流法运动目标跟踪 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 超声图像预处理 | 第26-34页 |
| 3.1 图像滤波的常用方法 | 第26-31页 |
| 3.1.1 线性-均值滤波 | 第27页 |
| 3.1.2 非线性-中值滤波 | 第27-28页 |
| 3.1.3 自适应-维纳滤波 | 第28-29页 |
| 3.1.4 三种滤波的对比分析 | 第29-31页 |
| 3.2 基于特征点的去除噪声处理 | 第31-33页 |
| 3.2.1 基于特征点去除噪声的依据 | 第31-32页 |
| 3.2.2 基于特征点去噪处理的实验分析 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 右心室超声图像特征点的提取 | 第34-52页 |
| 4.1 背景简介 | 第34页 |
| 4.2 图像特征的描述 | 第34-37页 |
| 4.2.1 点特征 | 第34-35页 |
| 4.2.2 边缘特征 | 第35页 |
| 4.2.3 局部特征 | 第35-36页 |
| 4.2.4 全局特征 | 第36-37页 |
| 4.2.5 空间关系特征 | 第37页 |
| 4.3 超声图像斑点 | 第37-38页 |
| 4.4 特征点提取方法 | 第38-49页 |
| 4.4.1 Forstner算法 | 第38-40页 |
| 4.4.2 SUSAN角点检测法 | 第40-43页 |
| 4.4.3 SIFT算法 | 第43-49页 |
| 4.5 实验对比与分析 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 右心室超声图像特征点的匹配与跟踪 | 第52-70页 |
| 5.1 SIFT算法的特征点匹配 | 第52-58页 |
| 5.1.1 朴素最近邻搜索 | 第53-54页 |
| 5.1.2 K-D树算法 | 第54-56页 |
| 5.1.3 BBF算法 | 第56页 |
| 5.1.4 特征点匹配结果 | 第56-58页 |
| 5.2 SIFT算法的特征点跟踪 | 第58-65页 |
| 5.2.1 跟踪起点的选取 | 第58-61页 |
| 5.2.2 斑点轨迹的运动分析 | 第61-65页 |
| 5.3 特征点跟踪实验的对比分析 | 第65-69页 |
| 5.3.1 仿真数据实验分析 | 第65-67页 |
| 5.3.2 临床数据实验分析 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第6章 总结和展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74-75页 |
| 硕士期间学术成果 | 第75页 |
