基于局部特征医学图像分类中关键技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文研究的主要内容 | 第14页 |
| ·文章的结构安排 | 第14-16页 |
| 第二章 常用理论介绍 | 第16-32页 |
| ·局部特征 | 第16-20页 |
| ·Patch 局部特征 | 第16-17页 |
| ·传统的 SIFT 局部特征 | 第17-20页 |
| ·改进的 SIFT 局部特征 | 第20页 |
| ·支持向量机 (SVM) | 第20-29页 |
| ·支持向量机产生的理论背景 | 第20-21页 |
| ·线性支持向量机 | 第21-25页 |
| ·非线性支持向量机 | 第25-27页 |
| ·LIBSVM 工具包 | 第27-29页 |
| ·主成分分析 | 第29-30页 |
| ·OpenCV 简介 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于局部特征的医学图像分类 | 第32-44页 |
| ·基于局部特征医学图像分类的流程 | 第32-33页 |
| ·局部特征不同采样方法 | 第33-35页 |
| ·特征袋 | 第35-38页 |
| ·特征袋简介 | 第35-37页 |
| ·局部特征在直方图统计中分配问题研究 | 第37-38页 |
| ·实验数据选取 | 第38-40页 |
| ·IRMA 数据集 | 第38-40页 |
| ·IRMA数据子集 | 第40页 |
| ·实验 | 第40-43页 |
| ·实验目的 | 第40页 |
| ·实验设置 | 第40-42页 |
| ·实验结果与分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 视觉词典的构建研究 | 第44-58页 |
| ·K-Means 聚类算法 | 第44-46页 |
| ·基于层次 K-Means 聚类算法的词典构建 | 第46-48页 |
| ·层次聚类 | 第46页 |
| ·词典构建 | 第46-48页 |
| ·基于近似 K-Means 聚类算法的词典构建 | 第48-54页 |
| ·KD 树 | 第48-51页 |
| ·随机森林 | 第51-53页 |
| ·词典构建 | 第53-54页 |
| ·实验 | 第54-56页 |
| ·实验目的 | 第54页 |
| ·实验设置 | 第54-55页 |
| ·实验结果与分析 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 基于局部约束线性编码的医学图像分类 | 第58-68页 |
| ·基于局部特征的图像编码简介 | 第58-59页 |
| ·传统编码方法 | 第59-60页 |
| ·稀疏编码方法 | 第60-61页 |
| ·局部约束线性编码方法 | 第61-63页 |
| ·空间金子塔 | 第63-64页 |
| ·实验 | 第64-66页 |
| ·实验目的 | 第64页 |
| ·实验设置 | 第64-65页 |
| ·实验结果与分析 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 结论与展望 | 第68-70页 |
| ·本文的主要工作和结论 | 第68-69页 |
| ·工作的展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
