基于纹理分析和概率神经网络的肝脏B超图像识别研究
| 第1章 绪论 | 第1-16页 |
| ·引言 | 第8-9页 |
| ·B 型超声成像原理 | 第9-10页 |
| ·肝脏超声图像的特点 | 第10-12页 |
| ·纹理的有关概念 | 第12-13页 |
| ·常用的纹理分析方法 | 第13-14页 |
| ·本文的工作 | 第14-16页 |
| 第2章 图像预处理 | 第16-23页 |
| ·小波降噪 | 第17-18页 |
| ·直方图均衡化增强处理 | 第18-23页 |
| ·灰度直方图 | 第18页 |
| ·直方图均衡化 | 第18-23页 |
| 第3章 图像特征抽取 | 第23-51页 |
| ·基于空域分析方法的纹理特征抽取 | 第23-37页 |
| ·基于直方图的纹理量度 | 第23-26页 |
| ·基于直方图的纹理参数 | 第23-24页 |
| ·实验测试数据提取 | 第24-26页 |
| ·灰度差分统计分析方法 | 第26-29页 |
| ·方法原理 | 第26-27页 |
| ·实验测试数据提取 | 第27-29页 |
| ·灰度共生矩阵法提取参数 | 第29-37页 |
| ·灰度共生矩阵方法 | 第29-30页 |
| ·实验测试 | 第30-37页 |
| ·基于频域分析方法的纹理特征抽取 | 第37-51页 |
| ·小波简介 | 第38-39页 |
| ·连续小波变换 | 第39-41页 |
| ·离散小波变换 | 第41-42页 |
| ·多分辨分析 | 第42-48页 |
| ·特征参数提取 | 第48-49页 |
| ·实验测试 | 第49-51页 |
| 第4章 基于概率神经网络的模式识别分类 | 第51-68页 |
| ·人工神经网络基本原理 | 第51-61页 |
| ·人工神经元模型 | 第52-53页 |
| ·网络拓扑结构 | 第53-54页 |
| ·学习规则 | 第54-56页 |
| ·感知器网络 | 第56-57页 |
| ·径向基函数神经网络 | 第57-61页 |
| ·径向基函数的网络模型 | 第57-59页 |
| ·径向基函数神经网络的学习规则 | 第59-61页 |
| ·概率神经网络 | 第61-65页 |
| ·贝叶斯定理与模式识别 | 第61-63页 |
| ·概率神经网络 | 第63-65页 |
| ·概率神经网络模型结构图 | 第63-64页 |
| ·概率神经网络分类原理 | 第64-65页 |
| ·基于概率神经网络的实验测试 | 第65-68页 |
| ·肝脏超声图像识别系统 | 第65-66页 |
| ·实验测试分析 | 第66-68页 |
| 第5章 总结 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72页 |
