| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题研究背景和意义 | 第10-12页 |
| ·无线胶囊内镜系统的发展和现状 | 第12-14页 |
| ·无线胶囊内镜计算机辅助诊断检测技术的国内外研究现状 | 第14-16页 |
| ·内镜图像增强 | 第14-15页 |
| ·内镜图像特征提取 | 第15-16页 |
| ·内镜图像病变检测 | 第16-17页 |
| ·本文主要研究内容与结构安排 | 第17-19页 |
| 第2章 胶囊内镜小肠图像分类算法理论基础简介 | 第19-30页 |
| ·特征提取和选择基本原理 | 第19-22页 |
| ·特征选择 | 第20页 |
| ·胶囊内镜小肠图像特征提取的分析 | 第20-22页 |
| ·机器学习的理论方法 | 第22-24页 |
| ·机器学习理论 | 第22页 |
| ·机器学习主要分类 | 第22-24页 |
| ·经典的监督式学习方法原理简介 | 第24-27页 |
| ·线性判别分析 | 第24-25页 |
| ·k近邻法 | 第25-26页 |
| ·支持向量机 | 第26-27页 |
| ·实验数据 | 第27-29页 |
| ·评价指标 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于颜色特征和纹理特征的胶囊内镜小肠图像特征提取 | 第30-54页 |
| ·基于颜色的特征提取方法 | 第30-40页 |
| ·不同的颜色空间简介 | 第30-33页 |
| ·颜色矩 | 第33-40页 |
| ·基于纹理的特征提取方法 | 第40-51页 |
| ·局部二值模式 | 第40-45页 |
| ·Contourlet变换 | 第45-51页 |
| ·基于Contourlet变换的特征融合方法 | 第51-53页 |
| ·颜色矩与Contourlet变换 | 第51页 |
| ·局部二值模式与Contourlet变换 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于高斯过程分类检测算法 | 第54-68页 |
| ·高斯过程简介 | 第54-55页 |
| ·高斯过程的起源与发展 | 第54页 |
| ·高斯过程 | 第54-55页 |
| ·高斯过程的模型选择 | 第55-59页 |
| ·确定高斯过程均值函数和协方差函数形式 | 第55-56页 |
| ·确定高斯过程中的超参数形式 | 第56-59页 |
| ·高斯过程的回归 | 第59-60页 |
| ·高斯过程分类 | 第60-63页 |
| ·关于分类的线性模型 | 第60-61页 |
| ·高斯过程二类分类 | 第61-63页 |
| ·基于高斯过程分类的近似算法 | 第63-65页 |
| ·拉普拉斯近似算法 | 第63-64页 |
| ·期望传播近似算法 | 第64-65页 |
| ·基于高斯过程分类检测算法的实验及性能分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 基于经典机器学习的分类检测算法 | 第68-79页 |
| ·几种监督式学习分类器性能对比 | 第68-71页 |
| ·级联式学习方法简介 | 第71-75页 |
| ·局部和全局特征的级联式病变检测算法 | 第71页 |
| ·多示例学习机制 | 第71-73页 |
| ·MIGraph和miGraph | 第73-75页 |
| ·局部和全局特征的级联式病变检测实验结果与分析 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第87页 |