| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 医学图像纹理特征提取研究现状 | 第11-13页 |
| 1.2.2 甲状腺图像纹理特征提取研究现状 | 第13-14页 |
| 1.3 研究内容和论文结构 | 第14-16页 |
| 第二章 图像纹理特征及其相关理论 | 第16-23页 |
| 2.1 图像纹理特征的概念 | 第16页 |
| 2.2 图像纹理描述方法 | 第16-20页 |
| 2.2.1 灰度共生矩阵 | 第17-19页 |
| 2.2.2 局部二值模式 | 第19-20页 |
| 2.3 评价指标 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于多尺度的GLCM窗口自适应甲状腺MR图像纹理特征提取 | 第23-37页 |
| 3.1 高斯金字塔 | 第23-24页 |
| 3.2 窗口自适应 | 第24-26页 |
| 3.3 多尺度特征级联 | 第26-27页 |
| 3.4 改进算法 | 第27-28页 |
| 3.4.1 算法描述 | 第27-28页 |
| 3.5 实验结果与分析 | 第28-36页 |
| 3.5.1 实验设置 | 第28-30页 |
| 3.5.2 实验分析 | 第30-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于高阶衍生的均值CLBP甲状腺MR图像纹理特征提取 | 第37-49页 |
| 4.1 高阶衍生局部二值模式 | 第37-38页 |
| 4.2 完全局部二值模式 | 第38-40页 |
| 4.3 改进算法 | 第40-44页 |
| 4.3.1 算法描述 | 第40-44页 |
| 4.4 实验结果与分析 | 第44-48页 |
| 4.4.1 实验设置 | 第44-45页 |
| 4.4.2 实验分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 甲状腺MR图像纹理特征提取与识别系统实现 | 第49-55页 |
| 5.1 总体设计 | 第49-50页 |
| 5.2 系统模块开发 | 第50-54页 |
| 5.2.1 纹理特征提取模块 | 第50-53页 |
| 5.2.2 图像识别模块 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 在读期间研究成果及所获奖项 | 第65页 |