| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景、目的及意义 | 第9-10页 |
| 1.2 计算机视觉技术的发展及应用 | 第10-15页 |
| 1.2.1 计算机视觉系统的基本构成 | 第11-12页 |
| 1.2.2 计算机视觉与相关学科领域的关系 | 第12-14页 |
| 1.2.3 计算机视觉的研究内容及在医学领域中的应用 | 第14-15页 |
| 1.3 眼底检查及病变分析 | 第15-16页 |
| 1.4 论文主要研究内容及组织结构 | 第16-19页 |
| 1.4.1 论文主要研究内容 | 第16-17页 |
| 1.4.2 论文组织结构 | 第17-19页 |
| 第2章 视网膜眼底图像获取 | 第19-25页 |
| 2.1 人眼结构及其光学模型 | 第19-20页 |
| 2.1.1 人眼结构 | 第19-20页 |
| 2.1.2 人眼光学模型 | 第20页 |
| 2.2 眼底照相机 | 第20-23页 |
| 2.2.1 眼底照相机的国内外背景 | 第20-22页 |
| 2.2.2 眼底照相机结构与原理 | 第22-23页 |
| 2.3 视网膜图像采集 | 第23-25页 |
| 第3章 基于DT-CWT和改进形态学的视网膜图像增强 | 第25-38页 |
| 3.1 增强算法的国内外现状 | 第25-26页 |
| 3.2 双树复小波变换的基本原理 | 第26-27页 |
| 3.3 形态学变换 | 第27-33页 |
| 3.3.1 灰度膨胀、腐蚀原理 | 第28-29页 |
| 3.3.2 传统的top-hat变换 | 第29-30页 |
| 3.3.3 改进形态学top-hat变换(imt-th) | 第30-33页 |
| 3.4 增强算法实现步骤 | 第33-34页 |
| 3.5 实验结果及分析评价 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 视网膜图像视场提取及特征增强 | 第38-45页 |
| 4.1 基于空间亮度信息的视场提取 | 第38-39页 |
| 4.1.1 图像格式转换 | 第38页 |
| 4.1.2 阈值分割 | 第38-39页 |
| 4.2 Hessian矩阵原理 | 第39-41页 |
| 4.2.1 单一尺度Hessian矩阵 | 第39-40页 |
| 4.2.2 多尺度Hessian算法 | 第40-41页 |
| 4.3 基于Hessian矩阵的多尺度线性滤波器 | 第41-42页 |
| 4.4 实验结果及分析 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 基于统计学混合模型的视网膜血管多尺度分割 | 第45-56页 |
| 5.1 引言 | 第45页 |
| 5.2 血管分割方法 | 第45-46页 |
| 5.3 视网膜图像血管特征 | 第46-47页 |
| 5.4 基于混合模型的视网膜血管图像多尺度分割方法 | 第47-50页 |
| 5.4.1 混合模型构造 | 第47-48页 |
| 5.4.2 参数估计 | 第48-49页 |
| 5.4.3 获得初始值后开始EM算法的迭代 | 第49-50页 |
| 5.5 实验结果及评价分析 | 第50-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 全文总结 | 第56-57页 |
| 6.2 进一步研究方向与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 作者简介 | 第65-66页 |
| 攻读硕士学位期间研究成果 | 第66页 |
