数字胸片中的关键图像处理技术研究
| 第一章 绪论 | 第1-14页 |
| 1．1 数字放射线胸片 | 第9-10页 |
| 1．2 数字胸片图像处理 | 第10-13页 |
| 1．2．1 数字胸片图像处理方法 | 第11页 |
| 1．2．2 本文涉及的图像处理技术 | 第11-12页 |
| 1．2．3 数字胸片图像处理的难点 | 第12-13页 |
| 1．3 本论文内容安排 | 第13-14页 |
| 第二章 数字胸片图像分割 | 第14-40页 |
| 2．1 图像分割概述 | 第14-17页 |
| 2．1．1 图像分割定义及基本方法 | 第14-15页 |
| 2．1．2 数字胸片图像分割方法回顾 | 第15-17页 |
| 2．2 肺部区域分割 | 第17-34页 |
| 2．2．1 单阈值分割 | 第17-22页 |
| 2．2．2 分割类数的探索 | 第22-29页 |
| 2．2．3 最大类间方差多阈值方法 | 第29-31页 |
| 2．2．4 算法及试验 | 第31-34页 |
| 2．3 肋骨框架的分割 | 第34-40页 |
| 2．3．1 高斯曲面阈值分割 | 第34-36页 |
| 3．3．2 一个等价模型—局部均值阈值分割 | 第36-38页 |
| 2．3．3 算法及试验 | 第38-40页 |
| 第三章 小波分析在数字胸片图像去噪中的应用 | 第40-59页 |
| 3．1 小波去噪方法概述 | 第40-45页 |
| 3．1．1 小波去噪方法的原理框图 | 第40-41页 |
| 3．1．2 小波去噪的发展历史 | 第41-44页 |
| 3．1．3 胸片图像小波去噪中存在的问题 | 第44-45页 |
| 3．1．4 本文方法 | 第45页 |
| 3．2 奇异性检测去噪方法 | 第45-49页 |
| 3．2．1 基本概念 | 第45-48页 |
| 3．2．2 去噪方法 | 第48-49页 |
| 3．3 保持图像细节的重构系数扩充 | 第49-54页 |
| 3．3．1 重构系数扩充的可能性 | 第49-51页 |
| 3．3．2 小波相位进行系数扩充 | 第51-53页 |
| 3．3．3 Lipschitz指数再讨论 | 第53-54页 |
| 3．4 数字试验及结果 | 第54-58页 |
| 3．5 讨论 | 第58-59页 |
| 第四章 数字胸片图像增强技术研究 | 第59-65页 |
| 4．1 概述 | 第59页 |
| 4．2 小波域自适应增强的原理与方法 | 第59-62页 |
| 4．2．1 自适应增强在小波域中的等价表示 | 第59-61页 |
| 4．2．2 增益系数 | 第61页 |
| 4．2．3 增益系数的调整 | 第61-62页 |
| 4．3 数字试验结果及分析 | 第62-64页 |
| 4．4 小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-69页 |
| 5．1 总结 | 第65-66页 |
| 5．1．1 分割算法 | 第65-66页 |
| 5．1．2 去噪算法 | 第66页 |
| 5．1．3 增强算法 | 第66页 |
| 5．2 本文的主要研究成果 | 第66-67页 |
| 5．3 展望 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 发表或录用学术论文情况 | 第76-77页 |
| 致谢 | 第77页 |
