基于CHN法的骨龄识别方法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题的研究背景与意义 | 第8-9页 |
| ·骨龄分析方法 | 第9-15页 |
| ·骨龄的测量方法 | 第9-11页 |
| ·中国人手腕骨发育标CHN法 | 第11-13页 |
| ·骨龄自动识别方法 | 第13-15页 |
| ·骨龄识别的研究现状 | 第15-16页 |
| ·本文的研究内容和结构安排 | 第16-18页 |
| 第二章 手腕骨X光图像预处理 | 第18-27页 |
| ·引言 | 第18页 |
| ·图像的噪声抑制 | 第18-20页 |
| ·形态学图像处理 | 第20-24页 |
| ·图像二值化 | 第20-21页 |
| ·连通区域标记和选择 | 第21-22页 |
| ·膨胀和腐蚀 | 第22-23页 |
| ·开操作和闭操作 | 第23-24页 |
| ·基于k-余弦曲率的指骨分割 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 特征骨块的分割和特征提取 | 第27-37页 |
| ·引言 | 第27页 |
| ·指骨特征区域(EMROI)提取 | 第27-30页 |
| ·EMROI增强 | 第30-31页 |
| ·基于Canny算子的二值图像提取 | 第31-34页 |
| ·EMROI的特征提取和分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于WSVM的特征识别 | 第37-53页 |
| ·引言 | 第37页 |
| ·图像的模式分类方法 | 第37-42页 |
| ·统计模式识别 | 第37-40页 |
| ·人工神经网络模式识别 | 第40-41页 |
| ·模糊模式识别 | 第41-42页 |
| ·支持向量机(SVM)理论 | 第42-46页 |
| ·SVM的线性分类 | 第42-44页 |
| ·SVM的非线性分类 | 第44-46页 |
| ·基于WSVM的骨龄识别 | 第46-49页 |
| ·小波核函数 | 第46-48页 |
| ·WSVM多分类算法 | 第48-49页 |
| ·本文算法流程图 | 第49-50页 |
| ·实验结果及分析 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 总结和展望 | 第53-55页 |
| ·本文工作总结 | 第53-54页 |
| ·今后工作展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第61页 |
| 发表的论文 | 第61页 |
| 参加的科研项目 | 第61页 |
