| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容及章节安排 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12页 |
| 1.3.2 本文结构安排 | 第12-14页 |
| 2 图像增强的基本理论 | 第14-23页 |
| 2.1 基于空域的图像增强 | 第14-19页 |
| 2.1.1 灰度变换 | 第14-16页 |
| 2.1.2 直方图修正 | 第16-19页 |
| 2.2 基于频域的图像增强 | 第19-22页 |
| 2.2.1 频域低通滤波 | 第19-21页 |
| 2.2.2 频域高通滤波 | 第21页 |
| 2.2.3 同态滤波 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于多尺度Hessian矩阵的视网膜血管增强 | 第23-31页 |
| 3.1 Hessian矩阵基本原理 | 第23-25页 |
| 3.2 血管响应函数 | 第25-26页 |
| 3.3 融合多尺度的Hessian矩阵血管增强算法 | 第26-28页 |
| 3.4 实验结果与分析 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于形态学滤波和差分进化算法的视网膜血管图像增强 | 第31-39页 |
| 4.1 差分进化算法基本原理 | 第31-34页 |
| 4.2 基于形态学滤波和差分进化算法的视网膜血管增强 | 第34-36页 |
| 4.2.1 基于形态学的同态滤波 | 第34-36页 |
| 4.2.2 基于差分进化算法的参数最优化 | 第36页 |
| 4.3 实验结果与分析 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 基于多尺度顶帽变换和直方图拟合的视网膜血管增强 | 第39-52页 |
| 5.1 算法描述 | 第39-42页 |
| 5.1.1 顶-帽变换 | 第39页 |
| 5.1.2 基于多尺度顶-帽变换的图像初步增强 | 第39-41页 |
| 5.1.3 直方图拟合线性变换 | 第41-42页 |
| 5.2 实验结果与分析 | 第42-50页 |
| 5.3 本章小结 | 第50-52页 |
| 6 总结与展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读学位期间主要的研究成果目录 | 第60-61页 |
| 致谢 | 第61页 |
