| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 肝脏超声图像研究背景和意义 | 第12-13页 |
| 1.2 肝脏占位性病变超声图像特点 | 第13-16页 |
| 1.2.1 肝血管瘤 | 第13页 |
| 1.2.2 肝囊肿 | 第13-14页 |
| 1.2.3 肝癌 | 第14-16页 |
| 1.3 肝脏超声图像处理国内外研究现状 | 第16-19页 |
| 1.3.1 肝脏超声图像感兴趣区域选择的研究现状 | 第16-17页 |
| 1.3.2 肝脏超声图像特征提取的研究现状 | 第17-18页 |
| 1.3.3 肝脏超声图像识别的研究现状 | 第18-19页 |
| 1.4 本文的研究内容与章节安排 | 第19-21页 |
| 第二章 肝脏超声图像中病变区域的自动检测 | 第21-40页 |
| 2.1 基于多字典稀疏表示和能量最小化的区域生长分割算法简介 | 第21-22页 |
| 2.2 图像预处理 | 第22-25页 |
| 2.2.1 去噪及增强对比度处理 | 第23页 |
| 2.2.2 超像素预分割 | 第23-25页 |
| 2.3 基于多字典稀疏表示的种子点自动获取 | 第25-32页 |
| 2.3.1 超像素特征提取 | 第25-27页 |
| 2.3.2 稀疏表示理论基础 | 第27-28页 |
| 2.3.3 基于多字典的稀疏表示 | 第28-31页 |
| 2.3.4 选择种子点 | 第31-32页 |
| 2.4 区域生长 | 第32-35页 |
| 2.4.1 图像的映射 | 第32页 |
| 2.4.2 区域融合指标 | 第32-33页 |
| 2.4.3 能量函数 | 第33-34页 |
| 2.4.4 区域生长过程 | 第34-35页 |
| 2.5 实验结果及分析 | 第35-39页 |
| 2.5.1 TPVF、FPVF、FNVF | 第35-36页 |
| 2.5.2 分割结果 | 第36页 |
| 2.5.3 与其他算法比较 | 第36-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 肝脏超声图像感兴趣区域特征提取 | 第40-52页 |
| 3.1 感兴趣区域选择 | 第40-41页 |
| 3.1.1 占位性病变区域自动获取 | 第41页 |
| 3.1.2 正常区域获取 | 第41页 |
| 3.2 灰度共生矩阵纹理比值特征 | 第41-43页 |
| 3.3 分形特征 | 第43-46页 |
| 3.3.1 分形维数 | 第44-45页 |
| 3.3.2 孔隙度 | 第45-46页 |
| 3.4 突变率 | 第46-48页 |
| 3.4.1 SIFT算法简介 | 第47-48页 |
| 3.4.2 突变率特征计算 | 第48页 |
| 3.5 特征归一化 | 第48-49页 |
| 3.6 实验结果及分析 | 第49-51页 |
| 3.6.1 识别结果指标 | 第49-50页 |
| 3.6.2 特征比较 | 第50-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 肝脏占位性病变超声图像分类识别 | 第52-61页 |
| 4.1 SRC算法简介 | 第52-54页 |
| 4.2 基于稀疏重建的字典扩展 | 第54-56页 |
| 4.2.1 算法原理 | 第54-56页 |
| 4.3 肝脏占位性病变分类 | 第56-57页 |
| 4.4 实验结果及分析 | 第57-60页 |
| 4.4.1 分类器比较 | 第58-59页 |
| 4.4.2 与其他方法比较 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 总结 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |