基于SVM的血管分割技术
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 血管自动分割技术研究现状 | 第11-16页 |
| 1.3 眼底血管分割方法优缺点的分析及比较 | 第16-17页 |
| 1.4 论文主要工作 | 第17-18页 |
| 1.5 论文的组织及内容安排 | 第18-20页 |
| 第2章 支持向量机和标准眼底数据库 | 第20-30页 |
| 2.1 支持向量机 | 第20-26页 |
| 2.1.1 线性支持向量机 | 第21-22页 |
| 2.1.2 非线性支持向量机 | 第22-24页 |
| 2.1.3 SVM的分类优化算法及多样本分类 | 第24-26页 |
| 2.2 眼底图像标准数据库 | 第26-28页 |
| 2.2.1 DRIVE标准眼底数据库 | 第26-27页 |
| 2.2.2 STARE标准眼底数据库 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 二维高斯匹配滤波 | 第30-38页 |
| 3.1 二维高斯匹配滤波 | 第30-33页 |
| 3.2 改进的二维高斯匹配滤波 | 第33-35页 |
| 3.3 实验结果与分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 基于SVM的眼底血管分割 | 第38-56页 |
| 4.1 基于SVM的眼底血管分割方法 | 第38-39页 |
| 4.2 改进的基于SVM的血管分割方法 | 第39-48页 |
| 4.2.1 改进方法总体介绍 | 第40页 |
| 4.2.2 高斯匹配滤波器增强图像 | 第40-43页 |
| 4.2.3 均值漂移算法预分类图像 | 第43-48页 |
| 4.3 实验结果及分析 | 第48-53页 |
| 4.3.1 血管分割方法的性能评价标准 | 第48-49页 |
| 4.3.2 实验运行环境 | 第49页 |
| 4.3.3 选取实验参数 | 第49-51页 |
| 4.3.4 训练SVM分类器 | 第51页 |
| 4.3.5 实验结果对比及性能分析 | 第51-53页 |
| 4.4 本章小结 | 第53-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-64页 |
| 致谢 | 第64页 |
