| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题的背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-12页 |
| 1.4 本论文的结构安排 | 第12-14页 |
| 第二章 基于混合特征的马尔科夫随机场婴幼儿血管瘤图像分割 | 第14-41页 |
| 2.1 婴幼儿血管瘤图像的预处理 | 第14-21页 |
| 2.1.1 中值滤波 | 第14-16页 |
| 2.1.2 限制对比度直方图均衡化 | 第16-18页 |
| 2.1.3 颜色恒常性算法 | 第18-21页 |
| 2.2 基于马尔科夫随机场理论的图像分割方法 | 第21-35页 |
| 2.2.1 马尔科夫随机场的基本概念 | 第22-24页 |
| 2.2.2 马尔科夫随机场理论 | 第24-25页 |
| 2.2.3 常用马尔科夫随机场模型 | 第25-27页 |
| 2.2.4 马尔科夫随机场的贝叶斯标记 | 第27-32页 |
| 2.2.5 马尔科夫随机场的参数估计 | 第32-35页 |
| 2.3 基于混合特征的马尔科夫随机场分割 | 第35-39页 |
| 2.3.1 婴幼儿血管瘤病变区域的GABOR特征 | 第35-37页 |
| 2.3.2 婴幼儿血管瘤病变区域的颜色特性 | 第37页 |
| 2.3.3 算法流程 | 第37-39页 |
| 2.4 实验与结果分析 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于图像分类的婴幼儿血管瘤图像的病程期量化 | 第41-54页 |
| 3.1 婴幼儿血管瘤图像的特征提取 | 第41-47页 |
| 3.1.1 婴幼儿血管瘤图像颜色特征提取 | 第41-43页 |
| 3.1.2 纹理特征提取 | 第43-45页 |
| 3.1.3 形状特征提取 | 第45-47页 |
| 3.2 基于SVM分类器的婴幼儿血管瘤图像的病程期量化 | 第47-52页 |
| 3.3 实验验证与结果分析 | 第52-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 婴幼儿血管瘤图像的配准与单模融合 | 第54-65页 |
| 4.1 图像的配准技术研究 | 第54-62页 |
| 4.1.1 尺度不变特征变换匹配 | 第54-59页 |
| 4.1.2 基于最大互信息的配准方法 | 第59-61页 |
| 4.1.3 实验验证与结果分析 | 第61-62页 |
| 4.2 基于小波的婴幼儿血管瘤图像融合方法 | 第62-64页 |
| 4.2.1 图像的快速小波分解 | 第63页 |
| 4.2.2 基于小波分解的图像融合 | 第63-64页 |
| 4.2.3 实验验证与结果分析 | 第64页 |
| 4.3 本章小结 | 第64-65页 |
| 第五章 基于图像融合的样本数据扩充 | 第65-71页 |
| 5.1 样本数据扩充 | 第65-66页 |
| 5.2 婴幼儿血管瘤随时间变化的规律 | 第66-68页 |
| 5.3 婴幼儿血管瘤融合图像的形态学处理 | 第68-69页 |
| 5.4 婴幼儿血管瘤生成样本的正确性评估 | 第69-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 全文总结与展望 | 第71-73页 |
| 6.1 全文总结 | 第71-72页 |
| 6.2 后续工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
