基于SVM的肺部CT图像特征提取及分类研究

摘要	第1-6页
Abstract	第6-10页
1. 绪论	第10-13页
·研究背景和意义	第10页
·研究现状	第10-11页
·CT 图像概述	第11-13页
2 肺结节的成因及其病理分析	第13-21页
·医学图像的特点分析	第13页
·肺结节征象分析	第13-18页
·肺结节医学知识提取	第18-20页
·本章小结	第20-21页
3 肺部图像预处理	第21-29页
·肺部图像噪声	第21-22页
·肺部图像噪声的来源	第21页
·图像噪声的模型	第21-22页
·常见的图像降噪方法分析	第22-23页
·中值滤波	第22-23页
·频域低通滤波	第23页
·基于最大类间方差法和形态学方法的图像消噪算法	第23-28页
·图像二值化	第24-25页
·二值图像形态学处理	第25-28页
·本章小结	第28-29页
4 肺部图像的特征提取	第29-46页
·灰度特征提取	第29-30页
·纹理特征提取	第30-36页
·灰度共生矩阵	第30-32页
·灰度-梯度共生矩阵	第32-34页
·Gabor 小波变换	第34-36页
·形态特征提取	第36-41页
·不变矩	第36-39页
·形状特征	第39-41页
·边界特征	第41-45页
·本章小结	第45-46页
5 基于支持向量机(SVM)的肺部图像分类分析	第46-58页
·最优分类面	第46-48页
·广义最优分类面	第48-49页
·支持向量机	第49-51页
·高维空间的最优分类面	第49页
·支持向量机	第49-51页
·肺部图像分类分析	第51-57页
·概述	第51-52页
·基于支持向量机的肺部图像分类的算法原理	第52-54页
·肺部图像分类实验	第54-57页
·本章小结	第57-58页
结论	第58-59页
参考文献	第59-61页
攻读硕士学位期间发表学术论文及科研情况	第61-62页
致谢	第62-63页