| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 引言 | 第10-11页 |
| 1.1 本文的研究背景 | 第11-15页 |
| 1.1.1 眼底的解剖结构 | 第11页 |
| 1.1.2 视网膜医学影像简介 | 第11-14页 |
| 1.1.3 糖尿病性视网膜病变和微血管瘤 | 第14-15页 |
| 1.2 糖尿病性视网膜病变微血管瘤检测的研究现状 | 第15-17页 |
| 1.3 本文的研究意义与难点 | 第17-19页 |
| 1.3.1 本文的研究意义 | 第17页 |
| 1.3.2 本文的研究难点 | 第17-19页 |
| 1.4 本文的研究内容及安排 | 第19-20页 |
| 第二章 图像处理相关理论基础与AdaBoost原理 | 第20-29页 |
| 2.1 眼底彩照颜色分量的选择 | 第20-22页 |
| 2.2 注水模拟 | 第22页 |
| 2.3 图像分割 | 第22-25页 |
| 2.3.1 全局阈值处理 | 第22-23页 |
| 2.3.2 区域生长算法 | 第23-25页 |
| 2.4 AdaBoost原理 | 第25-27页 |
| 2.4.1 AdaBoost简介 | 第25-26页 |
| 2.4.2 AdaBoost算法流程 | 第26-27页 |
| 2.4.3 AdaBoost的应用 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 眼底彩照的预处理 | 第29-36页 |
| 3.1 预处理流程 | 第29-30页 |
| 3.2 感兴趣区域的提取 | 第30-31页 |
| 3.3 光照均衡化 | 第31页 |
| 3.4 对比度受限自适应直方图均衡化 | 第31-32页 |
| 3.5 高斯滤波 | 第32-33页 |
| 3.6 视盘检测 | 第33-35页 |
| 3.7 本章小结 | 第35-36页 |
| 第四章 微血管瘤自动检测算法 | 第36-51页 |
| 4.1 算法流程 | 第36页 |
| 4.2 提取微血管瘤候选对象 | 第36-39页 |
| 4.2.1 局部最亮点的提取 | 第37页 |
| 4.2.2 形状动态变化分析 | 第37-39页 |
| 4.3 剖面特征 | 第39-45页 |
| 4.4 局部特征 | 第45-50页 |
| 4.4.1 Hessian矩阵特征 | 第45-46页 |
| 4.4.2 局部灰度值序列模式特征 | 第46-49页 |
| 4.4.3 形状和灰度特征 | 第49-50页 |
| 4.5 AdaBoost分类 | 第50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 结果与分析 | 第51-56页 |
| 5.1 实验数据与结果评价指标 | 第51-52页 |
| 5.1.1 实验数据 | 第51页 |
| 5.1.2 实验结果评价指标 | 第51-52页 |
| 5.2 微血管瘤候选对象提取的结果与分析 | 第52-53页 |
| 5.3 微血管瘤检测的结果与分析 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 总结和展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-66页 |
| 攻读学位期间公开发表的论文、专利 | 第66-67页 |
| 附录 缩略词 | 第67-68页 |
| 致谢 | 第68-69页 |