基于图像分析的异常检测算法研究及应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景与研究意义 | 第12-13页 |
| ·骨扫描图像分析简介 | 第13-14页 |
| ·X-射线安检系统简介 | 第14-15页 |
| ·本文的研究内容与结构 | 第15-16页 |
| 第二章 全身骨扫描的热点检测算法 | 第16-40页 |
| ·现有的热点检测算法概述 | 第16-19页 |
| ·脊柱图像的热点检测 | 第19-26页 |
| ·图像灰度标准化 | 第20-22页 |
| ·自适应热点检测 | 第22-24页 |
| ·热点边缘检测 | 第24-26页 |
| ·肋骨部分的热点检测 | 第26-30页 |
| ·基于肋骨中线的热点检测算法 | 第27-29页 |
| ·基于灰度分布的热点检测算法 | 第29-30页 |
| ·全身骨扫描热点检测 | 第30-34页 |
| ·结果与结论 | 第34-39页 |
| ·数据来源 | 第34页 |
| ·脊柱热点检测结果 | 第34页 |
| ·肋骨热点检测结果 | 第34-36页 |
| ·全身热点检测的结果 | 第36-37页 |
| ·几种热点检测算法的比较 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 骨扫描图像的图像分类算法 | 第40-49页 |
| ·图像分类算法概述 | 第40-44页 |
| ·人工神经网络 | 第40-41页 |
| ·支持向量机 | 第41-43页 |
| ·贝叶斯分类器 | 第43-44页 |
| ·基于骨扫描图像的分类算法 | 第44-47页 |
| ·偏差算子 | 第44-45页 |
| ·贝叶斯分类器 | 第45-47页 |
| ·实验结果 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于双能图像和背散图像的异常物质检测算法 | 第49-60页 |
| ·研究背景与意义 | 第49页 |
| ·双能图像的物质分类 | 第49-52页 |
| ·传统的双能图像物质分类算法 | 第49-51页 |
| ·基于 SVM 分类器的双能图像物质分类 | 第51-52页 |
| ·双能图像与背散图像的配准 | 第52-53页 |
| ·变形卡的设计 | 第52页 |
| ·图像配准算法 | 第52-53页 |
| ·基于数据融合的物质识别算法 | 第53-55页 |
| ·实验结果分析 | 第55-59页 |
| ·双能图像的物质分类 | 第55-56页 |
| ·双能和背散图像的配准 | 第56-57页 |
| ·有机物的识别 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 骨扫描图像的计算机辅助诊断系统 | 第60-70页 |
| ·系统实现框架 | 第60-61页 |
| ·系统功能与界面设计 | 第61-67页 |
| ·系统的输入与输出 | 第62-64页 |
| ·系统的功能设计 | 第64-65页 |
| ·系统的交互设计 | 第65-67页 |
| ·系统的总结与展望 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·全文总结 | 第70页 |
| ·研究展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 程序测试环境（附录 1） | 第76-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间已发表或录用的论文 | 第78页 |
