基于全卷积神经网络的图像分割算法的研究及应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 论文背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容与组织结构 | 第12-14页 |
| 第二章 图像分割方法 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 图像纹理特征提取 | 第14-18页 |
| 2.2.1 灰度共生矩阵 | 第14-15页 |
| 2.2.2 局部二进制模式 | 第15-16页 |
| 2.2.3 小波变换 | 第16-18页 |
| 2.2.4 GABOR变换 | 第18页 |
| 2.3 图像分割方法 | 第18-22页 |
| 2.3.1 阈值分割 | 第18-19页 |
| 2.3.2 区域分割 | 第19-20页 |
| 2.3.3 边缘分割 | 第20-21页 |
| 2.3.4 基于能量泛函的分割 | 第21-22页 |
| 2.4 基于全卷积网络的图像分割方法 | 第22-26页 |
| 2.4.1 理论基础 | 第22-23页 |
| 2.4.2 网络结构 | 第23-26页 |
| 2.4.2.1 卷积化 | 第23-24页 |
| 2.4.2.2 上采样 | 第24-25页 |
| 2.4.2.3 跳跃结构 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于全卷积网络的分割方法研究 | 第27-60页 |
| 3.1 引言 | 第27页 |
| 3.2 图割算法 | 第27-30页 |
| 3.3 随机森林分类器 | 第30-32页 |
| 3.4 基于全卷积神经网络的图像分割算法的改进 | 第32-40页 |
| 3.4.1 设计思想 | 第32-34页 |
| 3.4.2 算法模型 | 第34-40页 |
| 3.5 仿真实验 | 第40-43页 |
| 3.5.1 实验环境 | 第40页 |
| 3.5.2 实验方案 | 第40-42页 |
| 3.5.3 评估标准 | 第42-43页 |
| 3.6 结果与分析 | 第43-59页 |
| 3.6.1 实验结果 | 第43-54页 |
| 3.6.2 结果分析 | 第54-59页 |
| 3.7 本章小结 | 第59-60页 |
| 第四章 医学图像分割系统原型设计 | 第60-70页 |
| 4.1 引言 | 第60页 |
| 4.2 需求分析 | 第60-62页 |
| 4.3 系统总体设计 | 第62-64页 |
| 4.4 功能模块 | 第64-66页 |
| 4.4.1 预处理模块 | 第64-65页 |
| 4.4.2 数据集训练模块 | 第65-66页 |
| 4.4.3 图像分割模块 | 第66页 |
| 4.5 数据库设计 | 第66-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第五章 医学图像分割系统实现 | 第70-80页 |
| 5.1 医学图像分割系统开发环境 | 第70-71页 |
| 5.1.1 系统开发环境 | 第70页 |
| 5.1.2 开发技术 | 第70-71页 |
| 5.2 系统模块开发 | 第71-77页 |
| 5.2.1 预处理模块 | 第71页 |
| 5.2.2 数据集训练模块 | 第71-75页 |
| 5.2.3 图像分割模块 | 第75-77页 |
| 5.3 系统测试 | 第77-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-81页 |
| 6.1 全文总结 | 第80页 |
| 6.2 未来展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-84页 |
