X线胸片图像分割、特征提取与分类方法研究
| 中文摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 X线胸片的重要性 | 第11页 |
| 1.2 医学X线胸片图像处理和分析的目的和意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 X线胸片图像增强研究现状 | 第13-14页 |
| 1.3.2 X线胸片图像分割技术研究现状 | 第14页 |
| 1.3.3 X线胸片图像纹理特征提取研究现状 | 第14-16页 |
| 1.3.4 X线胸片图像分类技术研究现状 | 第16-17页 |
| 1.4 本文主要工作 | 第17页 |
| 1.5 本文章节结构 | 第17-19页 |
| 第2章 X线胸片图像增强 | 第19-30页 |
| 2.1 X线胸片图像预处理基础方法 | 第19-24页 |
| 2.1.1 直方图均衡化 | 第19-20页 |
| 2.1.2 中值滤波 | 第20-21页 |
| 2.1.3 形态学滤波 | 第21-24页 |
| 2.2 高斯-拉普拉斯塔式金字塔图像增强 | 第24-27页 |
| 2.2.1 图像分解 | 第24-25页 |
| 2.2.2 高频信息的非线性变换 | 第25-26页 |
| 2.2.3 图像重构 | 第26-27页 |
| 2.3 实验结果与分析 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 X线胸片图像肺部轮廓分割 | 第30-44页 |
| 3.1 图像分割概述 | 第30-31页 |
| 3.1.1 图像分割定义 | 第30页 |
| 3.1.2 图像分割的基本方法 | 第30-31页 |
| 3.2 肺部区域分割基本方法 | 第31-37页 |
| 3.2.1 阈值分割法 | 第31-32页 |
| 3.2.2 导数分割法 | 第32-37页 |
| 3.3 主动形状模型分割算法 | 第37-43页 |
| 3.3.1 形状模型的建立 | 第37-39页 |
| 3.3.2 局部灰度模型的建立 | 第39-40页 |
| 3.3.3 在图像搜索中使用点分布模型-ASM | 第40-41页 |
| 3.3.4 实验结果与分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 X线胸片图像纹理特征提取 | 第44-55页 |
| 4.1 纹理特征描述 | 第44-45页 |
| 4.2 分形维数知识介绍 | 第45-47页 |
| 4.2.1 分形维数的定义与性质 | 第45-46页 |
| 4.2.2 分形维数的估计 | 第46-47页 |
| 4.3 小波知识介绍 | 第47-49页 |
| 4.3.1 一维小波变换 | 第47-48页 |
| 4.3.2 二维小波变换 | 第48-49页 |
| 4.4 分形特征的提取 | 第49-50页 |
| 4.5 小波特征的提取 | 第50-52页 |
| 4.5.1 小波基的选择 | 第51-52页 |
| 4.5.2 算法流程 | 第52页 |
| 4.6 特征提取实验结果 | 第52-53页 |
| 4.7 本章小结 | 第53-55页 |
| 第5章 X线胸片图像分类 | 第55-70页 |
| 5.1 SVM基础知识介绍 | 第55-58页 |
| 5.1.1 统计学习理论 | 第55-56页 |
| 5.1.2 VC维 | 第56-57页 |
| 5.1.3 结构风险最小化理论 | 第57页 |
| 5.1.4 最优超平面 | 第57-58页 |
| 5.2 支持向量机 | 第58-62页 |
| 5.2.1 线性可分情况 | 第59-60页 |
| 5.2.2 线性不可分情况 | 第60页 |
| 5.2.3 非线性支持向量机 | 第60-62页 |
| 5.2.4 核函数 | 第62页 |
| 5.3 X线胸片图像分类实验结果与分析 | 第62-64页 |
| 5.4 X线胸片图像处理系统 | 第64-68页 |
| 5.5 本章小结 | 第68-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间学术成果 | 第78页 |
