黑色素瘤图像特征提取算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 课题研究背景 | 第11-15页 |
| 1.2 课题研究的目的与意义 | 第15-16页 |
| 1.2.1 课题研究的目的 | 第15页 |
| 1.2.2 研究课题的意义 | 第15-16页 |
| 1.3 国内外研究现状分析和发展趋势 | 第16-22页 |
| 1.3.1 皮肤镜图像分割 | 第17-19页 |
| 1.3.2 皮肤镜图像特征提取 | 第19-21页 |
| 1.3.3 皮肤镜图像特征分类 | 第21-22页 |
| 1.4 论文的主要目标及内容 | 第22-23页 |
| 1.5 论文的结构安排 | 第23-24页 |
| 第二章 黑色素瘤的皮肤镜图像诊断方法 | 第24-30页 |
| 2.1 黑色素瘤皮肤镜图像处理的基本流程 | 第24页 |
| 2.2 黑色素瘤皮肤镜图像分析及特征提取方法 | 第24-28页 |
| 2.2.1 ABCD法及图像处理技术 | 第24-26页 |
| 2.2.2 模式分析法及图像处理技术 | 第26页 |
| 2.2.3 孟氏法及图像处理技术 | 第26页 |
| 2.2.4 七点检查法及图像处理技术 | 第26-27页 |
| 2.2.5 纹理分析及图像处理技术 | 第27-28页 |
| 2.2.6 其他皮肤镜图像处理技术 | 第28页 |
| 2.3 黑色素瘤图像特征选择方法 | 第28页 |
| 2.4 黑色素瘤皮肤镜图像特征分类方法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 黑色素瘤图像的普通特征提取方法 | 第30-43页 |
| 3.1 基于区域一致性的融合算法的边界特征提取 | 第30-37页 |
| 3.1.1 统计区域融合算法 | 第31-32页 |
| 3.1.2 模糊C均值算法 | 第32-33页 |
| 3.1.3 大津阈值算法 | 第33页 |
| 3.1.4 基于区域一致性的融合算法 | 第33-37页 |
| 3.2 普通特征的描述与提取 | 第37-42页 |
| 3.2.1 形状特征的描述与提取 | 第38-39页 |
| 3.2.2 内边界和外边界区域描述 | 第39页 |
| 3.2.3 颜色特征的描述与描述 | 第39-41页 |
| 3.2.4 纹理特征的描述与提取 | 第41-42页 |
| 3.3 普通特征的特征选择 | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 黑色素瘤图像的蓝白幕特征提取方法 | 第43-51页 |
| 4.1 黑色素瘤图像颜色特征处理 | 第43-45页 |
| 4.2 SLIC超级像素分割算法 | 第45-49页 |
| 4.2.1 超级像素的概念 | 第45-46页 |
| 4.2.2 SLIC超级像素分割算法 | 第46-47页 |
| 4.2.3 黑色素瘤图像超级像素的分割 | 第47-49页 |
| 4.3 黑色素瘤图像蓝白幕特征的提取 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 黑色素瘤图像的色素网特征提取方法 | 第51-58页 |
| 5.1 黑色素瘤图像边缘梯度特征的提取 | 第52-55页 |
| 5.1.1 基于中值滤波的图像预处理 | 第53页 |
| 5.1.2 基于Sobel算子的边缘梯度计算 | 第53-55页 |
| 5.2 黑色素瘤图像超级像素的分割 | 第55-56页 |
| 5.2.1 SLIC超级像素分割算法 | 第55页 |
| 5.2.2 黑色素瘤图像超级像素的分割 | 第55-56页 |
| 5.3 黑素瘤表面非典型色素网特征的提取 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 黑色素瘤图像特征提取方法的诊断应用 | 第58-71页 |
| 6.1 基于七点检查法的特定特征的提取算法 | 第58-59页 |
| 6.2 基于支持向量机的黑色素瘤特征分类 | 第59-62页 |
| 6.2.1 支持向量机的分类原理 | 第59-61页 |
| 6.2.2 核函数的选择 | 第61-62页 |
| 6.3 基于七点检查法的特征提取算法实验及分析 | 第62-69页 |
| 6.3.1 分类结果评价标准 | 第63-64页 |
| 6.3.2 试验结果与分析 | 第64-69页 |
| 6.4 本章小结 | 第69-71页 |
| 第七章 结论 | 第71-72页 |
| 7.1 论文工作总结 | 第71页 |
| 7.2 未来研究展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
