基于胃镜图像的胃脘痛特征数据分析
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 胃脘痛病症及检查 | 第7-10页 |
| 1.1.1 胃脘痛分型 | 第8页 |
| 1.1.2 脾胃虚寒型胃脘痛 | 第8-9页 |
| 1.1.3 对病因病机的认识 | 第9页 |
| 1.1.4 胃脘痛的检查 | 第9-10页 |
| 1.2 胃内窥镜图像处理 | 第10-12页 |
| 1.2.1 国内外现状 | 第11-12页 |
| 1.2.2 研究的意义 | 第12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 1.4 全文结构安排 | 第13-14页 |
| 第二章 纹理特征提取 | 第14-26页 |
| 2.1 纹理特征 | 第14页 |
| 2.2 纹理分析方法 | 第14-17页 |
| 2.2.1 统计方法 | 第14-16页 |
| 2.2.2 建模法 | 第16页 |
| 2.2.3 滤波的方法 | 第16-17页 |
| 2.3 局部二元模式 | 第17-26页 |
| 2.3.1 算法描述 | 第17-18页 |
| 2.3.2 改进的LBP算子 | 第18-21页 |
| 2.3.3 LBP在胃镜图像中的应用 | 第21-26页 |
| 第三章 基于Haar特征的LBP纹理特征提取 | 第26-35页 |
| 3.1 Haar型特征 | 第26-27页 |
| 3.1.1 特征分类 | 第26-27页 |
| 3.1.2 特征值计算 | 第27页 |
| 3.2 Haar型LBP算法 | 第27-35页 |
| 3.2.1 算法描述 | 第27-31页 |
| 3.2.2 HLBP在胃镜图像中的应用 | 第31-35页 |
| 第四章 胃脘痛特征数据分析 | 第35-42页 |
| 4.1 整体结构 | 第35-36页 |
| 4.2 胃脘痛良恶性识别 | 第36-38页 |
| 4.2.1 支持向量机的核心思想 | 第36-38页 |
| 4.2.2 基于SVM的图像识别 | 第38页 |
| 4.3 实验结果分析 | 第38-42页 |
| 4.3.1 实验环境 | 第39页 |
| 4.3.2 实验具体流程 | 第39-42页 |
| 第五章 总结 | 第42-43页 |
| 5.1 论文的主要工作 | 第42页 |
| 5.2 展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 作者简介 | 第47页 |
| 攻读硕士学位期间研究成果 | 第47页 |
