视网膜血管识别技术研究与算法实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景以及意义 | 第11-15页 |
| 1.2 国内外研究现状及分析 | 第15-16页 |
| 1.3 研究内容 | 第16页 |
| 1.4 本文结构 | 第16-18页 |
| 第二章 视网膜图像的预处理 | 第18-26页 |
| 2.1 图像采集 | 第18-19页 |
| 2.2 图像预处理 | 第19-25页 |
| 2.2.1 预处理流程简介 | 第19-20页 |
| 2.2.2 图像类型转换 | 第20-21页 |
| 2.2.3 图像增强 | 第21页 |
| 2.2.4 直方图变换 | 第21-25页 |
| 2.3 小结 | 第25-26页 |
| 第三章 视网膜血管分割 | 第26-39页 |
| 3.1 视网膜血管简介 | 第26页 |
| 3.2 图像分割算法简介 | 第26-31页 |
| 3.2.1 阈值分割法 | 第27-28页 |
| 3.2.2 边缘检测分割法 | 第28-29页 |
| 3.2.3 区域生长分割法 | 第29页 |
| 3.2.4 模型驱动分割法 | 第29-31页 |
| 3.3 视网膜血管分割 | 第31-38页 |
| 3.3.1 视网膜血管特征 | 第31-32页 |
| 3.3.2 利用高斯匹配滤波器增强血管 | 第32-35页 |
| 3.3.3 基于二维最大熵的阈值分割 | 第35-38页 |
| 3.4 小结 | 第38-39页 |
| 第四章 视网膜血管特征点提取 | 第39-51页 |
| 4.1 图像细化处理 | 第39-40页 |
| 4.2 视网膜血管特征点提取的方法 | 第40-50页 |
| 4.2.1 Harris角点检测算法 | 第41-47页 |
| 4.2.2 邻域检测算法 | 第47-50页 |
| 4.3 小结 | 第50-51页 |
| 第五章 特征点匹配方法研究 | 第51-63页 |
| 5.1 常见图像变换模型与求解方法介绍 | 第51-54页 |
| 5.1.1 变换模型介绍 | 第51-52页 |
| 5.1.2 求取变换参数过程解析 | 第52-54页 |
| 5.2 常用特征匹配算法研究和对比 | 第54-62页 |
| 5.2.1 三角形匹配法 | 第55-57页 |
| 5.2.2 二维聚类匹配法 | 第57-59页 |
| 5.2.3 描述符匹配法 | 第59-61页 |
| 5.2.4 算法的分析与比较 | 第61-62页 |
| 5.3 小结 | 第62-63页 |
| 第六章 基于融合算法的视网膜特征点匹配 | 第63-73页 |
| 6.1 融合方法的可行性分析 | 第63页 |
| 6.2 融合方案研究 | 第63-71页 |
| 6.2.1 三角形特征构成方案的改进 | 第64-65页 |
| 6.2.2 检索相似三角形方法的改进 | 第65-68页 |
| 6.2.3 三角形特征变换参数计算 | 第68-69页 |
| 6.2.4 动态最短距离聚类法 | 第69-71页 |
| 6.3 特征匹配总体流程 | 第71-72页 |
| 6.4 与其他视网膜匹配算法进行比较 | 第72页 |
| 6.5 小结 | 第72-73页 |
| 第七章 实验结果及分析 | 第73-82页 |
| 7.1 实验环境 | 第73-74页 |
| 7.1.1 视网膜识别系统运行环境 | 第73页 |
| 7.1.2 实验数据来源 | 第73-74页 |
| 7.2 视网膜识别系统总体设计 | 第74-75页 |
| 7.2.1 模板图像录入 | 第74页 |
| 7.2.2 实物图像匹配 | 第74-75页 |
| 7.3 实验结果以及分析 | 第75-81页 |
| 7.4 小结 | 第81-82页 |
| 第八章 总结与展望 | 第82-84页 |
| 8.1 总结 | 第82页 |
| 8.2 后期工作展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士学位期间取得的成果 | 第89-90页 |
