| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景和研究意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状与分析 | 第12-14页 |
| 1.3 论文的研究目标和研究内容 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-16页 |
| 第二章 微血管图像分类的算法框架 | 第16-28页 |
| 2.1 微血管图像分类算法的基本框架 | 第16页 |
| 2.2 微血管图像的分割 | 第16-19页 |
| 2.3 微血管图像特征提取 | 第19-24页 |
| 2.3.1 全局特征 | 第19-20页 |
| 2.3.2 局部特征 | 第20-23页 |
| 2.3.3 全局特征和局部特征比较 | 第23-24页 |
| 2.4 微血管图像的分类器 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于空间特征的微血管图像分类算法 | 第28-40页 |
| 3.1 基于空间金字塔模型的微血管图像分类 | 第28-32页 |
| 3.1.1 微血管图像的视觉词包模型 | 第28-31页 |
| 3.1.2 微血管特征的空间金字塔模型 | 第31-32页 |
| 3.2 基于Fisher向量特征的微血管图像分类 | 第32-36页 |
| 3.2.1 微血管图像的Fisher向量特征 | 第32-35页 |
| 3.2.2 基于空间金字塔的微血管Fisher向量分类 | 第35-36页 |
| 3.3 基于VLAD模型的微血管图像分类 | 第36-39页 |
| 3.3.1 微血管图像的VLAD模型 | 第36-38页 |
| 3.3.2 基于空间金字塔的微血管VLAD特征分类 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于稀疏编码的微血管图像分类算法 | 第40-47页 |
| 4.1 基于稀疏编码的微血管图像分类 | 第40-43页 |
| 4.2 基于组稀疏的微血管图像分类 | 第43-46页 |
| 4.2.1 组稀疏的编码算法 | 第43-45页 |
| 4.2.2 组稀疏的字典学习 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 基于深度学习的微血管图像分类算法 | 第47-62页 |
| 5.1 深度学习 | 第47-53页 |
| 5.1.1 神经网络模型 | 第47-49页 |
| 5.1.2 BP算法 | 第49-51页 |
| 5.1.3 深度学习方法 | 第51-53页 |
| 5.2 卷积神经网络 | 第53-57页 |
| 5.2.1 卷积神经网络的稀疏表示 | 第53-54页 |
| 5.2.2 卷积神经网络结构 | 第54-56页 |
| 5.2.3 卷积神经网络的训练方法 | 第56-57页 |
| 5.3 基于卷积神经网络的微血管图像分类 | 第57-61页 |
| 5.3.1 Caffe卷积神经网的框架 | 第57-58页 |
| 5.3.2 卷积神经网络的结构设计 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 实验结果与分析 | 第62-72页 |
| 6.1 实验数据集和评价标准 | 第62-64页 |
| 6.2 实验结果与分析 | 第64-71页 |
| 6.2.1 基于空间特征的微血管图像分类实验 | 第64-68页 |
| 6.2.2 基于稀疏编码的微血管图像分类实验 | 第68-69页 |
| 6.2.3 基于深度学习的微血管图像分类实验 | 第69-71页 |
| 6.3 本章小结 | 第71-72页 |
| 第七章 总结和展望 | 第72-73页 |
| 7.1 论文工作总结 | 第72页 |
| 7.2 未来工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-80页 |