基于三维超声图像的牛卵泡监测系统关键技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文的主要工作 | 第9-10页 |
| 1.4 超声图像概述 | 第10-14页 |
| 1.4.1 二维超声 | 第10-11页 |
| 1.4.2 三维超声 | 第11页 |
| 1.4.3 三维图像采集 | 第11-14页 |
| 第二章 黄牛卵泡超声图像去噪 | 第14-29页 |
| 2.1 自适应滤波 | 第14-15页 |
| 2.1.1 Lee滤波器 | 第14-15页 |
| 2.1.2 Frost滤波器 | 第15页 |
| 2.2 各向异性扩散滤波 | 第15-20页 |
| 2.2.1 经典各向异性扩散滤波算法 | 第15-16页 |
| 2.2.2 斑点抑制各项异性扩散滤波算法 | 第16页 |
| 2.2.3 三维超声图像的各向异性扩散滤波算法 | 第16-20页 |
| 2.3 基于CUDA的 3DRDPAD加速算法 | 第20-24页 |
| 2.3.1 CUDA编程模型 | 第20-21页 |
| 2.3.2 算法设计与实现 | 第21-24页 |
| 2.4 讨论与总结 | 第24-29页 |
| 2.4.1 几种滤波器的比较 | 第24-25页 |
| 2.4.2 算法评价标准 | 第25-26页 |
| 2.4.3 实验结果 | 第26-29页 |
| 第3章 黄牛卵泡边缘检测算法 | 第29-39页 |
| 3.1 牛卵泡超声图像特点 | 第29页 |
| 3.2 传统的边缘检测算法 | 第29-33页 |
| 3.2.1 梯度算子 | 第29-31页 |
| 3.2.2 Canny算子 | 第31-33页 |
| 3.3 基于机器学习的边缘检测算法 | 第33-38页 |
| 3.3.1 创建样本集 | 第33-34页 |
| 3.3.2 特征提取 | 第34-36页 |
| 3.3.3 分类器训练 | 第36-38页 |
| 3.4 实验结果 | 第38-39页 |
| 第4章 黄牛卵泡三维重建 | 第39-48页 |
| 4.1 概述 | 第39-40页 |
| 4.2 基于轮廓线的表面重建 | 第40-42页 |
| 4.2.1 相似轮廓线拼接 | 第41-42页 |
| 4.2.2 非相似轮廓拼接 | 第42页 |
| 4.3 基于离散点云三角剖分的表面重建 | 第42-47页 |
| 4.3.1 Delaunay三角剖分 | 第43-45页 |
| 4.3.2 基于CGAL的三维点云重建 | 第45-47页 |
| 4.4 实验结果 | 第47-48页 |
| 第5章 黄牛卵泡超声监测系统 | 第48-54页 |
| 5.1 开发环境 | 第48-49页 |
| 5.2 系统模块划分 | 第49-50页 |
| 5.3 系统显示与交互 | 第50-54页 |
| 5.3.1 绘图环境初始化 | 第50页 |
| 5.3.2 人机交互 | 第50-54页 |
| 第6章 总结与展望 | 第54-55页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录1 攻读硕士学位期间发表的论文及成果 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 详细摘要 | 第62-64页 |
