基于皮肤镜的黑色素瘤识别算法研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-18页 |
1.1 研究背景和意义 | 第10-13页 |
1.1.1 研究背景 | 第10-12页 |
1.1.2 研究意义 | 第12-13页 |
1.2 国内外研究现状与分析 | 第13-16页 |
1.2.1 皮肤镜图像分割研究现状与分析 | 第13-14页 |
1.2.2 皮肤镜图像特征提取研究现状分析 | 第14-15页 |
1.2.3 皮肤镜图像识别分类研究现状分析 | 第15-16页 |
1.3 论文的主要研究内容和目标 | 第16-17页 |
1.4 论文的结构安排 | 第17-18页 |
第二章 皮肤镜黑色素瘤图像识别算法的框架简介 | 第18-20页 |
第三章 基于马尔科夫融合算法的图像分割 | 第20-38页 |
3.1 图像预处理 | 第20-24页 |
3.1.1 黑框移除 | 第21页 |
3.1.2 毛发移除 | 第21-23页 |
3.1.3 气泡移除 | 第23-24页 |
3.1.4 对比度增强 | 第24页 |
3.2 皮肤镜图像分割 | 第24-34页 |
3.2.1 融合算法框架 | 第25-26页 |
3.2.2 分割集 | 第26-29页 |
3.2.3 基于马尔科夫随机场的融合算法 | 第29-34页 |
3.3 图像后期处理 | 第34-37页 |
3.4 本章小结 | 第37-38页 |
第四章 皮肤镜黑色素瘤特征提取 | 第38-50页 |
4.1 低级特征提取与选择 | 第38-43页 |
4.1.1 形状特征提取 | 第38-39页 |
4.1.2 颜色特征提取 | 第39-40页 |
4.1.3 纹理特征提取 | 第40-42页 |
4.1.4 特征选择 | 第42-43页 |
4.2 高级特征提取 | 第43-48页 |
4.2.1 SIFT算子 | 第43-45页 |
4.2.2 稀疏编码 | 第45-46页 |
4.2.3 池化操作(pooling) | 第46-48页 |
4.4 本章小结 | 第48-50页 |
第五章 低级和高级特征融合及分类 | 第50-58页 |
5.1 支持向量机 | 第50-54页 |
5.2 简单融合 | 第54-55页 |
5.3 协同训练融合 | 第55-56页 |
5.4 本章小结 | 第56-58页 |
第六章 实验与结果分析 | 第58-68页 |
6.1 数据集描述 | 第58-59页 |
6.2 数据不平衡处理 | 第59页 |
6.3 评价准则 | 第59-60页 |
6.4 实验结果与分析 | 第60-67页 |
6.4.1 环形池化算法实验结果与分析 | 第60-61页 |
6.4.2 协同训练融合算法实验结果与分析 | 第61-67页 |
6.5 本章小结 | 第67-68页 |
第七章 总结与展望 | 第68-69页 |
7.1 论文工作总结 | 第68页 |
7.2 未来工作展望 | 第68-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-76页 |