动脉壁纹理特征提取及分类算法研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·课题研究的目的和意义 | 第9-10页 |
| ·国内外的发展与研究现状 | 第10-12页 |
| ·纹理的基本概念 | 第12-15页 |
| ·纹理的定义 | 第12-13页 |
| ·纹理的特点 | 第13-14页 |
| ·纹理特征的分析方法 | 第14-15页 |
| ·医疗影像的处理技术 | 第15-17页 |
| ·本文研究的主要内容 | 第17-19页 |
| 第2章 动脉壁图像预处理技术及实现 | 第19-26页 |
| ·基于空间域的图像滤波技术 | 第19-21页 |
| ·基于最大间类方差的阈值分割 | 第21-22页 |
| ·动脉壁图像增强技术 | 第22-24页 |
| ·直方图均衡化图像增强 | 第22-23页 |
| ·直方图规定化图像增强 | 第23-24页 |
| ·图像锐化处理 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 动脉壁纹理特征提取 | 第26-35页 |
| ·基于灰度共生矩阵的纹理提取算法原理 | 第26-27页 |
| ·提取的纹理特征参数 | 第27-31页 |
| ·基于灰度共生矩阵的纹理参数提取 | 第27-29页 |
| ·基于基本统计学方法的纹理参数提取 | 第29页 |
| ·基于灰度差分统计的纹理参数提取 | 第29-30页 |
| ·基于邻域灰度差分矩阵的纹理参数提取 | 第30-31页 |
| ·基于统计特征矩阵的纹理参数提取 | 第31页 |
| ·纹理提取流程和数据分析 | 第31-34页 |
| ·纹理特征提取的算法实现 | 第31-33页 |
| ·特征参数分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于动脉壁图像的决策级融合识别系统实现 | 第35-55页 |
| ·基于多种分类算法的决策融合图像识别系统实现 | 第35-37页 |
| ·本实验的预备工作 | 第35-36页 |
| ·系统总体框架设计 | 第36-37页 |
| ·BP 神经网络算法模块的实现 | 第37-42页 |
| ·BP 神经网络的基本原理 | 第37页 |
| ·BP 神经网络的训练过程和实验结果 | 第37-42页 |
| ·K-近邻算法模块的实现 | 第42-45页 |
| ·朴素贝叶斯算法模块的实现 | 第45-47页 |
| ·决策树算法模块的实现 | 第47-49页 |
| ·支持向量机算法模块的实现 | 第49-50页 |
| ·决策级融合算法的原理与实现 | 第50-53页 |
| ·数据融合的基本原理 | 第50-51页 |
| ·多数投票法的决策级融合识别 | 第51页 |
| ·决策级融合算法的实现 | 第51-53页 |
| ·实验结果及识别率统计 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| ·论文工作总结 | 第55-56页 |
| ·未来工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间参加的科研项目 | 第61页 |
