| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 医学图像成像技术研究现状 | 第11-14页 |
| 1.2.1 X射线成像 | 第11-12页 |
| 1.2.2 磁共振成像 | 第12-13页 |
| 1.2.3 超声成像 | 第13-14页 |
| 1.2.4 光学成像 | 第14页 |
| 1.3 血管分割技术研究现状 | 第14-17页 |
| 1.3.1 基于追踪的血管分割方法 | 第15页 |
| 1.3.2 基于模型的血管分割方法 | 第15-16页 |
| 1.3.3 基于人工智能的血管分割方法 | 第16页 |
| 1.3.4 基于神经网络的血管分割方法 | 第16-17页 |
| 1.3.5 基于曲线演化理论的血管分割方法 | 第17页 |
| 1.4 本文研究内容和组织结构 | 第17-20页 |
| 第2章 相关技术介绍 | 第20-34页 |
| 2.1 图像增强方法 | 第20-23页 |
| 2.1.1 直方图均衡化 | 第20-21页 |
| 2.1.2 拉普拉斯掩模锐化 | 第21-22页 |
| 2.1.3 高频系数置零 | 第22-23页 |
| 2.2 血管分割方法 | 第23-29页 |
| 2.2.1 基于边缘检测的方法 | 第23-25页 |
| 2.2.2 基于主成分分析的方法 | 第25-26页 |
| 2.2.3 基于水平集的方法 | 第26-27页 |
| 2.2.4 基于区域增长的方法 | 第27-29页 |
| 2.3 数学形态学的基本理论 | 第29-32页 |
| 2.3.1 基于二值图像的数学形态学 | 第29-30页 |
| 2.3.2 基于灰度图像的数学形态学 | 第30-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 基于Hessian矩阵的多尺度血管滤波增强 | 第34-52页 |
| 3.1 引言 | 第34-35页 |
| 3.2 Hessian矩阵的原理 | 第35-38页 |
| 3.2.1 Hessian矩阵的构造 | 第35-37页 |
| 3.2.2 Hessian矩阵的特征值计算 | 第37-38页 |
| 3.3 基于Hessian矩阵的多尺度血管滤波增强算法 | 第38-45页 |
| 3.3.1 Hessian矩阵特征值的分析 | 第38-41页 |
| 3.3.2 基于双向高斯核的多尺度线性滤波器构造 | 第41-43页 |
| 3.3.3 基于Hessian矩阵的多尺度血管滤波增强算法 | 第43-45页 |
| 3.4 实验结果与分析 | 第45-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 基于频谱信息和区域增长的血管分割 | 第52-74页 |
| 4.1 引言 | 第52-53页 |
| 4.2 基于FDFT的图像频谱分析 | 第53-57页 |
| 4.2.1 傅里叶变换 | 第53-54页 |
| 4.2.2 频谱信息分析 | 第54-57页 |
| 4.3 基于频谱信息的全自动种子点选取 | 第57-61页 |
| 4.3.1 基于频谱信息的血管结构检测 | 第57-59页 |
| 4.3.2 基于边缘信息的种子点选取 | 第59-61页 |
| 4.4 改进的区域增长血管分割算法 | 第61-65页 |
| 4.4.1 改进的区域增长血管分割算法 | 第61-63页 |
| 4.4.2 基于改进的区域增长血管分割算法的血管结构优化 | 第63-65页 |
| 4.5 基于Hessian矩阵与区域增长相结合的肝脏血管分割算法 | 第65-67页 |
| 4.5.1 基于CT图像序列的肝脏快速分割 | 第65-66页 |
| 4.5.2 基于Hessian矩阵与区域增长相结合的肝脏血管分割算法 | 第66-67页 |
| 4.6 实验结果与分析 | 第67-72页 |
| 4.6.1 基于频谱信息和区域增长血管分割实验 | 第67-70页 |
| 4.6.2 基于Hessian矩阵与区域增长相结合的肝脏血管分割实验 | 第70-72页 |
| 4.7 本章小结 | 第72-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78-80页 |
| 攻读硕士学位期间发表论文情况 | 第80页 |
