| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 符号列表 | 第8-9页 |
| 缩略词 | 第9-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 引言 | 第12-13页 |
| 1.2 视网膜与眼底图像 | 第13-14页 |
| 1.3 糖尿病视网膜病变 | 第14-15页 |
| 1.4 糖尿病视网膜病变自动检测现状 | 第15-16页 |
| 1.5 本文主要研究内容及安排 | 第16-19页 |
| 1.5.1 本论文主要研究内容 | 第16-17页 |
| 1.5.2 本论文章节安排 | 第17-19页 |
| 第二章 数学形态学理论和变分水平集模型 | 第19-26页 |
| 2.1 数学形态学理论基础 | 第19-20页 |
| 2.2 传统水平集模型和变分水平集模型理论 | 第20-23页 |
| 2.3 变分水平集模型的实现过程 | 第23-24页 |
| 2.3.1 微分方程的离散实现 | 第23-24页 |
| 2.3.2 初始化改进 | 第24页 |
| 2.4 实验数据库 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 眼底图像中视网膜解剖结构自动检测 | 第26-38页 |
| 3.1 血管自动检测 | 第26-30页 |
| 3.1.1 背景介绍 | 第26-27页 |
| 3.1.2 血管检测算法研究现状 | 第27-28页 |
| 3.1.3 本文血管快速自动分割算法与实验结果 | 第28-30页 |
| 3.2 视神经盘自动定位 | 第30-35页 |
| 3.2.1 背景介绍 | 第30页 |
| 3.2.2 视神经盘定位算法研究现状 | 第30-31页 |
| 3.2.3 基于血管汇聚和视盘亮度信息的视神经盘自动定位算法 | 第31-33页 |
| 3.2.4 实验结果与分析 | 第33-35页 |
| 3.3 黄斑区自动检测 | 第35-37页 |
| 3.3.1 背景介绍 | 第35页 |
| 3.3.2 黄斑区自动检测算法研究现状 | 第35页 |
| 3.3.3 本文黄斑区检测算法和实验结果 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 眼底图像中视神经盘自动分割技术 | 第38-48页 |
| 4.1 背景介绍 | 第38页 |
| 4.2 基于改进的变分水平集模型的视神经盘自动分割算法 | 第38-43页 |
| 4.2.1 预处理过程 | 第38-39页 |
| 4.2.2 初始化改进 | 第39-40页 |
| 4.2.3 改进的变分水平集模型与窄带法 | 第40-43页 |
| 4.3 实验结果与分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 眼底图像中黄斑区病变自动诊断算法 | 第48-53页 |
| 5.1 背景介绍 | 第48页 |
| 5.2 渗出自动检测算法研究现状 | 第48-49页 |
| 5.3 本文黄斑区病变自动诊断算法 | 第49-52页 |
| 5.3.1 由粗糙到精确的渗出自动检测算法与实验结果 | 第49-51页 |
| 5.3.2 黄斑区病变自动诊断实验结果 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 在学期间的研究成果 | 第59-60页 |
| 致谢 | 第60页 |
