| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1．绪论 | 第10-17页 |
| 1.1 选题依据、选题背景及研究意义 | 第10-12页 |
| 1.1.1 选题依据 | 第10页 |
| 1.1.2 选题背景 | 第10-11页 |
| 1.1.3 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 本文主要研究内容及安排 | 第15-16页 |
| 1.3.1 主要研究内容 | 第15页 |
| 1.3.2 论文组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2．白内障眼底图像的相关理论知识 | 第17-20页 |
| 2.1 人眼的基本结构 | 第17-18页 |
| 2.2 白内障眼底图像的分类标准 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 3．眼科专科影像预处理的关键技术 | 第20-43页 |
| 3.1 图像的彩色空间变换 | 第20-30页 |
| 3.1.1 各种彩色空间模型 | 第20-21页 |
| 3.1.2 不同色彩空间中眼底图像的提取 | 第21-30页 |
| 3.2 图像增强的方法 | 第30-37页 |
| 3.2.1 灰度级变换 | 第31-34页 |
| 3.2.2 直方图处理 | 第34-35页 |
| 3.2.3 灰度图像中的形态学处理 | 第35-36页 |
| 3.2.4 眼科专科影像增强的实验结果 | 第36-37页 |
| 3.3 眼科专科影像图像去噪 | 第37-42页 |
| 3.3.1 均值滤波器 | 第38页 |
| 3.3.2 中值滤波器 | 第38页 |
| 3.3.3 图像锐化 | 第38-39页 |
| 3.3.4 三边滤波器 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4．半监督学习的相关理论 | 第43-50页 |
| 4.1 半监督学习的由来 | 第43-45页 |
| 4.1.1 有监督学习 | 第43-44页 |
| 4.1.2 无监督学习 | 第44页 |
| 4.1.3 半监督学习 | 第44-45页 |
| 4.2 半监督学习简介 | 第45-47页 |
| 4.2.1 基本思想 | 第45-46页 |
| 4.2.2 基本假设 | 第46-47页 |
| 4.3 半监督分类 | 第47-49页 |
| 4.3.1 基于协同训练模式的方法 | 第47-48页 |
| 4.3.2 基于tri-training的半监督协同训练算法 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5．眼科专科影像数据分析 | 第50-60页 |
| 5.1 眼科专科影像的数据集获取 | 第50-51页 |
| 5.2 眼科专科影像预处理 | 第51-54页 |
| 5.3 眼科专科影像特征提取 | 第54-55页 |
| 5.3.1 小波特征提取 | 第54页 |
| 5.3.2 纹理特征提取 | 第54-55页 |
| 5.4 使用tri-training对眼科专科影像进行分析 | 第55-60页 |
| 5.4.1 支持向量机 | 第55-56页 |
| 5.4.2 决策树 | 第56页 |
| 5.4.3 两种分类器的实验结果对比 | 第56-60页 |
| 6．结论与展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 未来工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间所获得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |