摘要 | 第5-7页 |
abstract | 第7-8页 |
第一章 绪论 | 第11-21页 |
1.1 课题背景与意义 | 第11-13页 |
1.2 血管中心线提取算法研究现状 | 第13-17页 |
1.3 面临的挑战 | 第17-18页 |
1.4 本文的研究内容与创新 | 第18-20页 |
1.5 本文内容安排 | 第20-21页 |
第二章 基于Hessian矩阵的血管增强算法分析与改进 | 第21-31页 |
2.1 基于Hessian矩阵的血管增强算法 | 第21-25页 |
2.1.1 基于Gaussian Hessian的血管增强算法 | 第21-23页 |
2.1.2 基于Gabor Hessian的血管增强算法 | 第23-24页 |
2.1.3 基于GVF Hessian的血管增强算法 | 第24-25页 |
2.2 一种改进的基于多尺度滤波的血管增强算法 | 第25-27页 |
2.3 实验结果与分析 | 第27-30页 |
2.3.1 实验参数设置 | 第27-29页 |
2.3.2 实验结果对比 | 第29-30页 |
2.4 小结 | 第30-31页 |
第三章 基于最小路径的血管中心线提取算法分析与改进 | 第31-47页 |
3.1 最小路径技术及其热点问题 | 第31-33页 |
3.2 基于反向回溯的最小路径传播算法 | 第33-39页 |
3.2.1 MPP-BT算法 | 第33-36页 |
3.2.2 MPP-BT算法优势与不足 | 第36-39页 |
3.3 MPP-BT算法改进 | 第39-46页 |
3.3.1 PMPP-BT算法 | 第39-42页 |
3.3.2 实验结果与分析 | 第42-46页 |
3.4 本章小结 | 第46-47页 |
第四章 基于活动轮廓模型的PMPP-BT算法改进 | 第47-66页 |
4.1 PMPP-BT算法的不足与改进思路 | 第47-49页 |
4.2 基于活动轮廓模型的PMPP-BT算法改进 | 第49-58页 |
4.2.1 形变模型 | 第49页 |
4.2.2 能量项 | 第49-55页 |
4.2.3 曲线形变过程 | 第55-56页 |
4.2.4 分支融合策略 | 第56-58页 |
4.3 实验结果与分析 | 第58-65页 |
4.4 本章小结 | 第65-66页 |
第五章 总结与展望 | 第66-68页 |
5.1 全文研究工作总结 | 第66-67页 |
5.2 后续工作研究 | 第67-68页 |
致谢 | 第68-69页 |
参考文献 | 第69-76页 |
攻读硕士学位期间取得的成果 | 第76页 |