| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究的背景 | 第11-12页 |
| 1.1.2 研究的意义 | 第12页 |
| 1.2 图像检索技术的发展现状 | 第12-14页 |
| 1.2.1 基于文本的图像检索 | 第12-13页 |
| 1.2.2 基于内容的图像检索方式 | 第13-14页 |
| 1.2.3 基于语义的图像检索方式 | 第14页 |
| 1.3 医学影像技术的发展现状 | 第14-16页 |
| 1.3.1 传统打印胶片形式的医学影像 | 第14页 |
| 1.3.2 数字化的医学影像 | 第14-15页 |
| 1.3.3 医学图像的特点 | 第15页 |
| 1.3.4 医学图像检索技术的发展现状 | 第15-16页 |
| 1.4 主要内容及组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 医学图像检索的关键技术 | 第18-37页 |
| 2.1 基于文本的医学图像检索 | 第18-19页 |
| 2.2 基于内容的医学图像检索 | 第19-36页 |
| 2.2.1 基于内容的医学图像检索系统的主要功能模块 | 第19-20页 |
| 2.2.2 内容描述 | 第20-26页 |
| 2.2.3 相似性度量 | 第26-30页 |
| 2.2.4 检索结果的优化 | 第30-35页 |
| 2.2.5 检索性能的评价 | 第35-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 基于全局特征的医学图像检索与改进 | 第37-49页 |
| 3.1 全局特征的选取 | 第37-42页 |
| 3.1.1 几种常用的全局特征的医学图像检索性能比较 | 第37-42页 |
| 3.2 基于灰度共生矩的纹理特征 | 第42-44页 |
| 3.3 对灰度共生矩阵纹理特征的改进 | 第44-46页 |
| 3.3.1 灰度归一化 | 第44页 |
| 3.3.2 划分子图并赋予不同的权重 | 第44-45页 |
| 3.3.3 计算子图的灰度共生矩阵 | 第45页 |
| 3.3.4 生成图像的纹理特征矢量 | 第45-46页 |
| 3.3.5 特征向量归一化 | 第46页 |
| 3.4 改进算法的测试与评价 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于组合特征的医学图像检索与改进 | 第49-71页 |
| 4.1 组合特征的选取 | 第49页 |
| 4.2 尺度不变特征变换 | 第49-55页 |
| 4.2.1 搭建高斯差分图像空间 | 第49-51页 |
| 4.2.2 检测高斯差分尺度空间极值点 | 第51-52页 |
| 4.2.3 删除边缘效应 | 第52-53页 |
| 4.2.4 特征点方向分配 | 第53-54页 |
| 4.2.5 生成128维SIFT特征向量 | 第54-55页 |
| 4.3 使用SIFT特征进行的医学图像检索实验 | 第55-57页 |
| 4.4 基于词袋模型的特征组合 | 第57-66页 |
| 4.4.1 词袋模型 | 第57-58页 |
| 4.4.2 词袋模型在图像检索中的应用 | 第58-61页 |
| 4.4.3 特征组合 | 第61-66页 |
| 4.5 改进算法的测试与评价 | 第66-70页 |
| 4.5.1 带全局纹理上下文的SIFT特征与原特征性能比较 | 第66-68页 |
| 4.5.2 带局部纹理上下文的SIFT特征与原特征的性能比较 | 第68-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 医学图像检索中的相关反馈与改进 | 第71-79页 |
| 5.1 传统的基于支持向量机的相关反馈 | 第71-72页 |
| 5.1.1 支持向量机概述 | 第71页 |
| 5.1.2 传统的基于支持向量机的相关反馈 | 第71-72页 |
| 5.2 对基于单一支持向量机的相关反馈技术的改进 | 第72-76页 |
| 5.2.1 组合分类器算法 | 第72-73页 |
| 5.2.2 正例和无标记样本学习问题 | 第73页 |
| 5.2.3 基于libSVM和bagging的相关反馈的改进算法 | 第73-76页 |
| 5.3 改进算法与原始算法的比较 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 全文总结 | 第79页 |
| 6.2 医学图像检索领域展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
