| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 本文的研究背景 | 第8页 |
| 1.2 本文的研究意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-13页 |
| 1.4 本文主要工作 | 第13-15页 |
| 1.5 本文章节安排 | 第15-16页 |
| 第二章 白内障眼底图像的相关知识 | 第16-20页 |
| 2.1 人眼的基本结构 | 第16-17页 |
| 2.2 本文中白内障眼底图像的分类标准 | 第17-18页 |
| 2.3 本文所使用的眼底图像数据库 | 第18页 |
| 2.4 本章小结 | 第18-20页 |
| 第三章 眼底图像预处理的关键技术 | 第20-45页 |
| 3.1 眼底图像的彩色空间变换 | 第20-26页 |
| 3.1.1 各种彩色空间模型 | 第20-24页 |
| 3.1.2 不同色彩空间中眼底图像的提取 | 第24-26页 |
| 3.2 图像增强的方法 | 第26-36页 |
| 3.2.1 灰度级变换 | 第26-31页 |
| 3.2.2 直方图处理 | 第31-32页 |
| 3.2.3 形态学图像处理 | 第32-36页 |
| 3.3 白内障眼底图像增强的实验结果 | 第36页 |
| 3.4 图像去噪的方法 | 第36-39页 |
| 3.4.1 均值滤波器 | 第36-37页 |
| 3.4.2 中值滤波器 | 第37页 |
| 3.4.3 高斯滤波器 | 第37页 |
| 3.4.4 三边滤波器 | 第37-39页 |
| 3.5 白内障眼底图像去噪的实验结果 | 第39-41页 |
| 3.6 图像分割的方法 | 第41-43页 |
| 3.6.1 双峰法 | 第41-42页 |
| 3.6.2 迭代法 | 第42页 |
| 3.6.3 最大类间方差法 | 第42-43页 |
| 3.7 白内障眼底图像分割的实验结果 | 第43页 |
| 3.8 本章小结 | 第43-45页 |
| 第四章 白内障眼底图像自动分类方法的研究 | 第45-59页 |
| 4.1 基于纹理特征的白内障眼底图像自动分类方法 | 第45-53页 |
| 4.1.1 图像预处理 | 第45-46页 |
| 4.1.2 特征提取 | 第46-51页 |
| 4.1.3 BP神经网络分类器 | 第51页 |
| 4.1.4 实验结果分析 | 第51-53页 |
| 4.2 基于PCA+LDA的白内障眼底图像自动分类方法 | 第53-57页 |
| 4.2.1 图像预处理 | 第53-54页 |
| 4.2.2 特征提取 | 第54-56页 |
| 4.2.3 最小距离分类器 | 第56-57页 |
| 4.2.4 实验结果分析 | 第57页 |
| 4.3 两种方法实验结果的对比分析 | 第57页 |
| 4.4 本章小节 | 第57-59页 |
| 第五章 总结与展望 | 第59-60页 |
| 5.1 工作总结 | 第59页 |
| 5.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |