首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

视网膜图像分割算法研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第14-28页
    1.1 研究的意义和背景第14-16页
    1.2 眼底图像处理目标第16-21页
        1.2.1 眼底结构与分析第16-18页
        1.2.2 眼底图像采集第18-19页
        1.2.3 研究对象和目标第19-21页
    1.3 国内外研究现状第21-26页
        1.3.1 视网膜血管分割研究现状第21-24页
        1.3.2 视盘定位与分割研究现状第24-26页
    1.4 本文研究内容与组织结构第26-28页
第2章 基础工作与数据第28-38页
    2.1 图像预处理第28-32页
        2.1.1 获取高对比度颜色通道第28-29页
        2.1.2 噪声滤波第29-30页
        2.1.3 提取感兴趣区域第30-31页
        2.1.4 图像灰度倒置变换第31页
        2.1.5 光照均衡化第31-32页
    2.2 血管分割评价指标第32-34页
    2.3 测试数据库第34-36页
        2.3.1 DRIVE数据库第34-35页
        2.3.2 STARE数据库第35-36页
        2.3.3 MESSIDOR数据库第36页
    2.4 本章小结第36-38页
第3章 基于多尺度形态学和种子点跟踪的视网膜血管分割技术第38-58页
    3.1 引言第38-39页
    3.2 数学形态学操作第39-43页
        3.2.1 数学形态学基本操作第39-40页
        3.2.2 高低帽变换与图像增强第40-41页
        3.2.3 结构元素与多尺度第41-43页
    3.3 视网膜血管分割算法第43-50页
        3.3.1 多尺度视网膜血管分割方法第43页
        3.3.2 基于多阈值与跟踪的视网膜血管分割第43-50页
    3.4 实验与分析第50-57页
        3.4.1 实验结果第50-56页
        3.4.2 实验分析第56-57页
    3.5 本章小结第57-58页
第4章 基于局部对比度增强和区域增长的视网膜血管分割技术第58-78页
    4.1 引言第58-59页
    4.2 Gabor小波第59-62页
        4.2.1 Gabor小波简介第59-62页
        4.2.2 Gabor小波变换第62页
    4.3 算法思想第62-71页
        4.3.1 边界预处理第63-64页
        4.3.2 基于Gabor小波变换的血管增强第64-66页
        4.3.3 视网膜血管自动分割第66-71页
    4.4 算法测试与分析第71-76页
        4.4.1 实验结果第71-73页
        4.4.2 实验分析第73-76页
    4.5 本章小结第76-78页
第5章 基于Snakes的视盘的定位与分割第78-102页
    5.1 引言第78-79页
    5.2 Snakes模型第79-82页
        5.2.1 曲线与曲率力第79-80页
        5.2.2 Snakes模型第80-82页
    5.3 算法基本思想第82页
    5.4 视盘初定位第82-89页
        5.4.1 垂直方向初定位第83页
        5.4.2 水平方向初定位第83-89页
    5.5 视盘分割第89-94页
        5.5.1 图像增强第89-91页
        5.5.2 边界曲线初始化第91-92页
        5.5.3 视盘边界计算第92-94页
    5.6 实验测试与分析第94-99页
        5.6.1 评价标准第94-96页
        5.6.2 实验结果第96-98页
        5.6.3 实验分析第98-99页
    5.7 本章小结第99-102页
第6章 结论和展望第102-104页
    6.1 研究总结第102-103页
    6.2 展望第103-104页
参考文献第104-114页
攻读博士期间取得的成果第114-116页
致谢第116-117页

论文共117页,点击 下载论文
上一篇:基于张量分解和语义网的医学信息检索和推荐系统
下一篇:面向农作物叶片病害鲁棒性识别的深度卷积神经网络研究