基于边缘点检测特征提取的医学图像分类方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 引言 | 第10-18页 |
| ·课题背景 | 第10页 |
| ·问题提出及描述 | 第10-12页 |
| ·相关工作 | 第12-16页 |
| ·特征提取的研究现状 | 第12页 |
| ·分类方法的研究现状 | 第12-15页 |
| ·本文研究思路 | 第15-16页 |
| ·本文的组织结构 | 第16-18页 |
| 第2章 图像预处理 | 第18-28页 |
| ·医学图像特点 | 第18页 |
| ·图像增强 | 第18-20页 |
| ·直方图处理 | 第19-20页 |
| ·数学形态学方法 | 第20-26页 |
| ·二值数学形态学运算 | 第21-22页 |
| ·灰度级图像扩展 | 第22-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 边缘点检测 | 第28-38页 |
| ·分水岭介绍 | 第28-29页 |
| ·分水岭变换定义 | 第29-33页 |
| ·测地距离 | 第29-30页 |
| ·连续区域内分水岭变换的定义 | 第30-31页 |
| ·离散域内分水岭变换的定义 | 第31-32页 |
| ·控制标记符的分水岭分割 | 第32-33页 |
| ·聚类分析 | 第33-36页 |
| ·模糊C均值聚类 | 第34页 |
| ·FCM算法描述 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 特征提取 | 第38-50页 |
| ·图像颜色特征 | 第39-40页 |
| ·图像纹理特征 | 第40-45页 |
| ·统计法 | 第40-43页 |
| ·结构法 | 第43-44页 |
| ·模型法 | 第44页 |
| ·频谱法 | 第44-45页 |
| ·图像形状特征 | 第45-46页 |
| ·图像方向测度 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 基于支持向量机的图像分类 | 第50-64页 |
| ·统计学习理论 | 第50-51页 |
| ·支持向量机简介 | 第51-53页 |
| ·SVM算法介绍 | 第53-60页 |
| ·线性可分 | 第53-56页 |
| ·近似线性可分 | 第56-57页 |
| ·非线性可分 | 第57-59页 |
| ·核函数的选择 | 第59-60页 |
| ·SVM在图像分类中的应用流程 | 第60-61页 |
| ·本章小结 | 第61-64页 |
| 第6章 实验结果与分析 | 第64-74页 |
| ·预处理 | 第65-66页 |
| ·边缘点检测 | 第66-67页 |
| ·特征提取 | 第67-68页 |
| ·SVM分类 | 第68-73页 |
| ·本章小结 | 第73-74页 |
| 第7章 结论与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻硕期间参加的项目及发表的论文 | 第82页 |
