基于内容的医学图像检索中特征提取技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·图像检索技术的研究意义 | 第9-10页 |
| ·图像检索的发展 | 第10-11页 |
| ·基于文本的图像检索技术 | 第10页 |
| ·基于内容的图像检索技术 | 第10-11页 |
| ·现有的CBIR系统 | 第11-12页 |
| ·CBIR系统在医学图像方面的应用 | 第12-18页 |
| ·医学图像特点 | 第13-14页 |
| ·基于内容的医学图像检索框架 | 第14-16页 |
| ·各类医学图像的CBIR应用 | 第16-18页 |
| ·研究内容和工作安排 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第二章 基于内容的医学图像检索的主要技术 | 第19-26页 |
| ·前言 | 第19页 |
| ·特征提取与描述 | 第19页 |
| ·图像相似度量方法 | 第19-20页 |
| ·相关反馈方法 | 第20-22页 |
| ·基于修改查询矢量或距离度量的检索 | 第21页 |
| ·基于修改图像数据库点的分布的检索 | 第21页 |
| ·基于人工智能学习方法的相关反馈 | 第21-22页 |
| ·图像检索效果评价 | 第22-23页 |
| ·医学图像存档和通信标准DICOM3.0 | 第23-25页 |
| ·DICOM标准数据结构、编码和文件格式 | 第23-24页 |
| ·DICOM文件的显示和格式转换 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于纹理特征的医学图像检索 | 第26-42页 |
| ·纹理概述 | 第26-27页 |
| ·基于空间域的统计纹理特征 | 第27-29页 |
| ·直方图统计特征 | 第27-28页 |
| ·图像的自相关函数 | 第28-29页 |
| ·其它统计特征 | 第29页 |
| ·基于频域的统计纹理特征 | 第29-31页 |
| ·基于傅里叶变换的纹理描述 | 第29-30页 |
| ·基于小波变换的纹理描述 | 第30-31页 |
| ·基于结构法的纹理特征 | 第31页 |
| ·图像纹理分析的灰度共生矩阵算法 | 第31-38页 |
| ·灰度共生矩阵定义 | 第31-32页 |
| ·GLCM的特征向量 | 第32-33页 |
| ·医学图像纹理信息分析 | 第33-35页 |
| ·实现思路 | 第35-37页 |
| ·实验结果与分析 | 第37-38页 |
| ·对灰度共生矩阵算法改进—灰度基元共生矩阵 | 第38-41页 |
| ·基元阵 | 第39-40页 |
| ·灰度—基元共生矩阵 | 第40页 |
| ·实验结果比较与分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于形状特征的医学图像检索 | 第42-57页 |
| ·轮廓特征的描述 | 第42-43页 |
| ·基于极半径函数的傅立叶子(简称FDPR) | 第43页 |
| ·区域特征的描述 | 第43-45页 |
| ·基于区域的形状描述符 | 第44页 |
| ·区域的矩 | 第44-45页 |
| ·利用小波多尺度变换和相对边界矩进行形状特征提取 | 第45-56页 |
| ·小波多尺度模极大值 | 第45-49页 |
| ·对检测算法的进一步改进 | 第49-51页 |
| ·相对边界矩 | 第51-53页 |
| ·特征内部归一化 | 第53页 |
| ·相似性度量 | 第53-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于内容的医学图像检索系统实现 | 第57-64页 |
| ·图像预处理设计 | 第57-61页 |
| ·灰度级修正与中值滤波 | 第57-59页 |
| ·图像分割 | 第59-61页 |
| ·图像数据库设计 | 第61-62页 |
| ·图像特征提取设计 | 第62-63页 |
| ·纹理特征的提取 | 第62页 |
| ·形状特征的提取 | 第62-63页 |
| ·综合纹理和形状特征提取 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·论文总结 | 第64页 |
| ·展望 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 发表论文和参加科研情况说明 | 第69-70页 |
| 致谢 | 第70-71页 |
