基于ICP和SVD的眼底图像配准研究
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·医学图像配准技术的背景和意义 | 第7-8页 |
| ·医学图像处理配准研究现状 | 第8-9页 |
| ·眼底的生理结构 | 第9页 |
| ·本文的创新点及贡献 | 第9-12页 |
| 第2章 医学图像配准 | 第12-17页 |
| ·医学图像配准概述 | 第12页 |
| ·配准的基本概念和分类 | 第12-16页 |
| ·根据对象属性分类 | 第13-14页 |
| ·按配准的依据来源分类 | 第14-15页 |
| ·按配准的变换函数分类 | 第15-16页 |
| ·医学图像配准精度的评估 | 第16-17页 |
| 第3章 眼底图像的预处理 | 第17-29页 |
| ·图像类型转换 | 第18-19页 |
| ·灰度数学形态学理论基础 | 第19-21页 |
| ·视网膜图像平滑降噪 | 第21-24页 |
| ·均值滤波 | 第21-22页 |
| ·中值滤波 | 第22页 |
| ·频率低通滤波 | 第22页 |
| ·基于偏微分方程的图像降噪 | 第22-23页 |
| ·处理结果分析及本文采取方法 | 第23-24页 |
| ·视网膜图像的增强 | 第24-27页 |
| ·直方图修整法 | 第24-26页 |
| ·灰度变换方法概述 | 第26-27页 |
| ·基于梯度场均衡化的对比度增强 | 第27页 |
| ·视乳头区域提取 | 第27-29页 |
| 第4章 视网膜血管中心线提取 | 第29-40页 |
| ·边缘检测概念 | 第29-30页 |
| ·边缘检测方法概述 | 第29-30页 |
| ·边缘点确定准则 | 第30页 |
| ·常用模板匹配边缘检测算法 | 第30-31页 |
| ·最大熵阈值化提取血管网络信息 | 第31-36页 |
| ·一维Shannon熵及其性质 | 第33页 |
| ·二维熵建立的方法 | 第33-34页 |
| ·基于灰度-梯度最大熵阈值分割法 | 第34-36页 |
| ·视网膜血管中心线的提取 | 第36-39页 |
| ·细化的概念 | 第36页 |
| ·细化算法的比较 | 第36-37页 |
| ·采用优化的Hilditch算法和应用 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 基于ICP-SVD眼底血管配准方法 | 第40-49页 |
| ·视网膜图像血管分支点提取 | 第40-41页 |
| ·血管交叉点树的建立 | 第41-42页 |
| ·基于视乳头位置和血管交叉点结构的预配准 | 第42-48页 |
| ·眼底图像基于ICP-SVD的精细配准 | 第43-48页 |
| ·配准结果分析 | 第48页 |
| ·结论 | 第48-49页 |
| 第6章 配准结果评价 | 第49-52页 |
| ·实验图像获取 | 第49页 |
| ·配准结果的分析 | 第49-50页 |
| ·重复率结果分析 | 第50-51页 |
| ·结论 | 第51-52页 |
| 第7章 结论和展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 摘要 | 第57-59页 |
| Abstract | 第59-60页 |
