| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 引言 | 第9页 |
| 1.2 眼底结构及彩色眼底图像 | 第9-10页 |
| 1.3 课题研究背景及意义 | 第10-11页 |
| 1.4 国内外研究现状 | 第11-15页 |
| 1.4.1 视网膜血管分割方法 | 第11-13页 |
| 1.4.2 视网膜图像数据库 | 第13-14页 |
| 1.4.3 分割方法的评价指标 | 第14-15页 |
| 1.5 本文研究内容及结构安排 | 第15-16页 |
| 2 视网膜血管图像增强 | 第16-32页 |
| 2.1 眼底图像预处理 | 第16-23页 |
| 2.1.1 彩色空间变换和颜色通道提取 | 第16-21页 |
| 2.1.2 掩膜的提取 | 第21-22页 |
| 2.1.3 亮度均衡 | 第22-23页 |
| 2.2 基于小波变换的图像增强 | 第23-26页 |
| 2.2.1 小波变换理论 | 第23-25页 |
| 2.2.2 数字图像的小波分解与重构 | 第25-26页 |
| 2.3 Retinex图像增强算法 | 第26-29页 |
| 2.3.1 Retinex理论 | 第26-27页 |
| 2.3.2 基于中心环绕Retinex算法 | 第27-29页 |
| 2.4 基于小波变换与Retinex相结合的视网膜血管图像增强 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于改进的多尺度单通道线性跟踪的视网膜血管分割 | 第32-42页 |
| 3.1 多尺度分析 | 第32-33页 |
| 3.2 改进的多尺度单通道线性跟踪 | 第33-37页 |
| 3.2.1 线性跟踪初始种子的选取 | 第34-35页 |
| 3.2.2 线性跟踪的初始化 | 第35页 |
| 3.2.3 新跟踪像素的估计 | 第35-36页 |
| 3.2.4 多尺度线性跟踪 | 第36页 |
| 3.2.5 视网膜血管的初始提取 | 第36-37页 |
| 3.3 去除噪声 | 第37-39页 |
| 3.3.1 中值滤波 | 第37-38页 |
| 3.3.2 连通域标记 | 第38-39页 |
| 3.4 形态学操作 | 第39-40页 |
| 3.4.1 膨胀 | 第39页 |
| 3.4.2 细化 | 第39-40页 |
| 3.5 实验结果分析 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 4 基于条件随机场模型的视网膜血管分割 | 第42-55页 |
| 4.1 概率图模型 | 第42-45页 |
| 4.1.1 有向图模型和无向图模型 | 第43-44页 |
| 4.1.2 判别式模型和生成式模型 | 第44-45页 |
| 4.2 支持向量机 | 第45-47页 |
| 4.3 条件随机场模型 | 第47-51页 |
| 4.3.1 条件随机场的定义 | 第47-48页 |
| 4.3.2 扩展CRF势函数 | 第48-49页 |
| 4.3.3 划分函数 | 第49-50页 |
| 4.3.4 参数估计 | 第50页 |
| 4.3.5 标记推断 | 第50-51页 |
| 4.4 条件随机场模型在视网膜血管分割中的应用 | 第51-52页 |
| 4.4.1 眼底视网膜血管图像的特征提取 | 第51-52页 |
| 4.4.2 基于条件随机场模型的视网膜血管分割算法步骤 | 第52页 |
| 4.5 实验结果及对比分析 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间的研究成果 | 第62页 |
