基于超像素分割的无线胶囊内窥镜出血图像的检测算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 无线胶囊内镜系统简介 | 第12-14页 |
| 1.2.1 无线胶囊内窥镜的发展历史 | 第12-13页 |
| 1.2.2 无线胶囊内窥镜的主要结构和原理 | 第13-14页 |
| 1.2.3 无线胶囊内窥镜存在的问题 | 第14页 |
| 1.3 无线胶囊内镜图像处理算法的国内外研究现状 | 第14-17页 |
| 1.3.1 内窥镜图像增强 | 第14-15页 |
| 1.3.2 内窥镜图像的组织识别与视频分段 | 第15-16页 |
| 1.3.3 内窥镜图像的病变检测 | 第16-17页 |
| 1.4 本文主要研究内容与结构安排 | 第17-19页 |
| 第2章 相关理论基础知识简介 | 第19-29页 |
| 2.1 颜色空间简介 | 第19-23页 |
| 2.1.1 RGB颜色空间 | 第19-20页 |
| 2.1.2 HSV颜色空间 | 第20-21页 |
| 2.1.3 HSI颜色空间 | 第21页 |
| 2.1.4 CIEL~*a~*b~*颜色空间 | 第21-23页 |
| 2.1.5 YCrCb颜色空间 | 第23页 |
| 2.2 支持向量机分类器 | 第23-25页 |
| 2.3 实验数据 | 第25-27页 |
| 2.4 实验环境 | 第27页 |
| 2.5 评价指标 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 超像素分割算法的分析与选择 | 第29-44页 |
| 3.1 超像素分割介绍 | 第29-30页 |
| 3.2 基于图论的超像素分割算法 | 第30-35页 |
| 3.2.1 图论分割算法 | 第30-31页 |
| 3.2.2 归一化割方法 | 第31-32页 |
| 3.2.3 基于超像素网格方法 | 第32-33页 |
| 3.2.4 基于熵率的方法 | 第33-35页 |
| 3.3 基于梯度的超像素分割方法 | 第35-38页 |
| 3.3.1 Quick-shift方法 | 第35-36页 |
| 3.3.2 Turbopixels方法 | 第36-37页 |
| 3.3.3 SLIC方法 | 第37-38页 |
| 3.4 超像素分割算法的实验结果对比 | 第38-42页 |
| 3.4.1 分割的视觉效果对比 | 第39-40页 |
| 3.4.2 边界查全率对比 | 第40-41页 |
| 3.4.3 运行时间对比 | 第41-42页 |
| 3.5 基于SLIC算法的内镜图像分割 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 超像素的特征提取与分类 | 第44-55页 |
| 4.1 颜色特征 | 第45-52页 |
| 4.1.1 颜色分量特征 | 第45页 |
| 4.1.2 颜色矩 | 第45-48页 |
| 4.1.3 红色纯度特征 | 第48-50页 |
| 4.1.4 本文改进的红色纯度特征 | 第50-51页 |
| 4.1.5 本文方法和其他特征的实验结果对比 | 第51-52页 |
| 4.2 病人图像数据的分类结果 | 第52-53页 |
| 4.3 胶囊内镜图像出血区域的检测结果 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 级联式的胶囊内镜图像分类 | 第55-65页 |
| 5.1 基于纹理的特征提取方法 | 第55-62页 |
| 5.1.1 Contourlet变换 | 第55-59页 |
| 5.1.2 局部二值模式 | 第59-62页 |
| 5.1.3 两种纹理特征方法的试验结果对比 | 第62页 |
| 5.2 第二级病人图像数据的分类结果 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |
