基于图像融合技术的微血管直径测量方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外的研究现状及分析 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 本课题主要研究内容 | 第12-14页 |
| 第2章 微血管显微图像融合的预处理及融合方法 | 第14-25页 |
| 2.1 微血管显微图像融合的预处理 | 第14-17页 |
| 2.1.1 图像增强 | 第14-16页 |
| 2.1.2 图像配准 | 第16-17页 |
| 2.2 图像融合技术的内容 | 第17-23页 |
| 2.2.1 图像融合的分类 | 第17-20页 |
| 2.2.2 图像融合方法 | 第20-21页 |
| 2.2.3 图像融合的效果评价 | 第21-23页 |
| 2.3 实验结果与分析 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于拉普拉斯金字塔的图像融合 | 第25-40页 |
| 3.1 金字塔变换 | 第25-32页 |
| 3.1.1 高斯金字塔 | 第25-26页 |
| 3.1.2 拉普拉斯金字塔 | 第26-30页 |
| 3.1.3 对比度金字塔 | 第30页 |
| 3.1.4 梯度金字塔 | 第30-32页 |
| 3.2 基于拉普拉斯金字塔的图像融合 | 第32-33页 |
| 3.3 实验结果与对比分析 | 第33-39页 |
| 3.3.1 融合实验结果 | 第33-39页 |
| 3.3.2 融合评价实验结果 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于模糊 C 均值聚类分析的图像分割 | 第40-46页 |
| 4.1 图像分割的概述 | 第40页 |
| 4.2 图像分割的方法 | 第40-42页 |
| 4.2.1 阈值分割算法 | 第40-41页 |
| 4.2.2 边缘分割算法 | 第41页 |
| 4.2.3 区域分割算法 | 第41-42页 |
| 4.3 聚类分析 | 第42-44页 |
| 4.3.1 聚类分析算法 | 第42-43页 |
| 4.3.2 模糊 C 均值聚类算法（FCM） | 第43-44页 |
| 4.4 实验结果与分析 | 第44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 基于交点法的微血管直径测量 | 第46-53页 |
| 5.1 血管中心线提取 | 第46-48页 |
| 5.1.1 二值化 | 第46页 |
| 5.1.2 细化法 | 第46-48页 |
| 5.2 测量直径 | 第48-52页 |
| 5.2.1 边缘检测 | 第48-50页 |
| 5.2.2 边缘交点法 | 第50页 |
| 5.2.3 计算血管直径 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59页 |
