医学X光胸片若干图像处理问题研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-14页 |
| ·医学X 光胸片图像处理研究的目的和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·数字胸片图像处理方法 | 第11页 |
| ·本文涉及的图像处理技术 | 第11-12页 |
| ·医学X 光胸片处理的难点 | 第12-13页 |
| ·本文内容安排 | 第13-14页 |
| 2. 医学 X 光胸片图像增强 | 第14-30页 |
| ·常规的图像增强方法 | 第14-15页 |
| ·医学X 光胸片图像增强方法的发展 | 第15-16页 |
| ·Retinex 理论 | 第16-18页 |
| ·颜色恒常问题 | 第16-17页 |
| ·Retinex 理论的思想及算法发展 | 第17-18页 |
| ·Frankle 算法 | 第18-20页 |
| ·SSR 与MSR 算法 | 第20-26页 |
| ·SSR 算法 | 第20-24页 |
| ·MSR 算法 | 第24-26页 |
| ·改进MSR 算法 | 第26-30页 |
| ·改进MSR 算法实现 | 第26-27页 |
| ·改进MSR 增强结果 | 第27-30页 |
| 3. 医学 X 光胸片图像分割 | 第30-42页 |
| ·图像分割概述 | 第30-32页 |
| ·图像分割定义及基本方法 | 第30-31页 |
| ·X 光胸片图像分割方法回顾 | 第31-32页 |
| ·肺部区域分割 | 第32-39页 |
| ·阈值分割法 | 第33-34页 |
| ·Live-Wire 交互式医学图像分割 | 第34-37页 |
| ·改进的Live-Wire 分割算法 | 第37-39页 |
| ·X 光胸片图像分割试验 | 第39-42页 |
| 4. 肺部病灶检测与识别 | 第42-60页 |
| ·Gabor 滤波器简介 | 第42-46页 |
| ·Gabor 函数的提出 | 第42-43页 |
| ·Gabor 函数与测不准原理 | 第43-45页 |
| ·2D Gabor 滤波器 | 第45-46页 |
| ·Gabor 滤波器在特征抽取中的应用研究 | 第46-47页 |
| ·Gabor 滤波器 | 第47-49页 |
| ·核函数的选择 | 第47-48页 |
| ·参数设置 | 第48-49页 |
| ·基于特征加权的Gabor 特征抽取算法 | 第49-53页 |
| ·特征提取 | 第50页 |
| ·特征加权 | 第50-53页 |
| ·BP 神经网络分类器 | 第53-56页 |
| ·BP 神经网络的结构 | 第53-55页 |
| ·BP 神经网络模型的建立 | 第55-56页 |
| ·病灶识别试验过程与结果 | 第56-60页 |
| 5. 总结与展望 | 第60-63页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第67-68页 |
| 致谢 | 第68页 |
