基于SIFT与支持向量机的医学图像特征提取与识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 选题依据与意义 | 第10-11页 |
| 1.2 研究现状与研究前景 | 第11-13页 |
| 1.2.1 研究现状 | 第11-12页 |
| 1.2.2 研究前景 | 第12-13页 |
| 1.3 本文的主要工作及论文结构 | 第13-14页 |
| 第2章 医学影像技术与图像特征简介 | 第14-26页 |
| 2.1 医学影像技术 | 第14-18页 |
| 2.1.1 X射线成像技术 | 第14-15页 |
| 2.1.2 核医学成像技术 | 第15-16页 |
| 2.1.3 超声波成像技术 | 第16-17页 |
| 2.1.4 磁共振成像技术 | 第17-18页 |
| 2.1.5 红外线成像技术 | 第18页 |
| 2.2 图像特征分类 | 第18-21页 |
| 2.2.1 颜色特征 | 第18-19页 |
| 2.2.2 纹理特征 | 第19-20页 |
| 2.2.3 形状特征 | 第20-21页 |
| 2.2.4 空间关系特征 | 第21页 |
| 2.3 图像识别技术综述 | 第21-26页 |
| 2.3.1 基于内容的图像识别 | 第22-23页 |
| 2.3.2 基于语义的图像识别 | 第23-24页 |
| 2.3.3 基于反馈的图像识别 | 第24-25页 |
| 2.3.4 基于知识的图像识别 | 第25-26页 |
| 第3章 图像SIFT特征提取 | 第26-46页 |
| 3.1 概述 | 第26-27页 |
| 3.2 构建尺度金字塔 | 第27-31页 |
| 3.2.1 高斯尺度空间 | 第28-29页 |
| 3.2.2 差分高斯尺度空间 | 第29-31页 |
| 3.3 定位特征点 | 第31-36页 |
| 3.3.1 检测关键点 | 第31-33页 |
| 3.3.2 精确关键点位置 | 第33-34页 |
| 3.3.3 消除边缘响应 | 第34-36页 |
| 3.4 分配特征点主方向 | 第36-38页 |
| 3.5 生成高维特征描述子 | 第38-42页 |
| 3.5.1 确定维度 | 第38-39页 |
| 3.5.2 网格生成 | 第39-40页 |
| 3.5.3 移动网格 | 第40-41页 |
| 3.5.4 SIFT算子计算 | 第41-42页 |
| 3.6 SIFT算子匹配 | 第42-46页 |
| 3.6.1 最邻近次邻近距离比 | 第42-44页 |
| 3.6.2 搜索算法BBF | 第44-46页 |
| 第4章 基于SVM的分类器设计 | 第46-62页 |
| 4.1 K-mean聚类 | 第46-49页 |
| 4.1.1 K-mean聚类算法 | 第46-48页 |
| 4.1.2 SIFT特征的K-mean聚类 | 第48-49页 |
| 4.2 图像特征袋法 | 第49-51页 |
| 4.2.1 图像特征袋法 | 第49-51页 |
| 4.2.2 基于特征袋的图像表达 | 第51页 |
| 4.3 支持向量机 | 第51-62页 |
| 4.3.1 线性可分情形 | 第52-55页 |
| 4.3.2 非线性可分情形 | 第55-56页 |
| 4.3.3 分离曲面与核函数 | 第56-59页 |
| 4.3.4 多类SVM问题 | 第59-62页 |
| 第5章 实验仿真与结果分析 | 第62-77页 |
| 5.1 医学图像识别系统框架 | 第62-64页 |
| 5.1.1 训练模块 | 第63页 |
| 5.1.2 识别模块 | 第63-64页 |
| 5.2 待分类数据集 | 第64-66页 |
| 5.3 SIFT提取与参数选择 | 第66-68页 |
| 5.3.1 SIFT算子个数控制——极值点阀值 | 第66-67页 |
| 5.3.2 SIFT算子维度控制——网格与角度块 | 第67-68页 |
| 5.4 K-mean聚类过程与耗时分析 | 第68-71页 |
| 5.4.1 K-mean的随机性 | 第68-69页 |
| 5.4.2 多次聚类取最优结果 | 第69-70页 |
| 5.4.3 K-mean耗时分析 | 第70-71页 |
| 5.5 图像向量化的实现 | 第71-73页 |
| 5.6 SVM识别结果分析 | 第73-75页 |
| 5.6.1 两类医学图像的SVM识别 | 第73-74页 |
| 5.6.2 四类医学图像的SVM识别 | 第74-75页 |
| 5.6.3 结果分析 | 第75页 |
| 5.7 图像特征对识别率的影响 | 第75-77页 |
| 第6章 结束语 | 第77-79页 |
| 6.1 工作总结 | 第77-78页 |
| 6.2 研究展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84页 |
