CT/MRI医学影像分割算法研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 一、绪论 | 第9-16页 |
| 1.1 医学影像分割的研究意义 | 第9-10页 |
| 1.2 医学影像分割的研究现状 | 第10-14页 |
| 1.2.1 图像分割算法的分类 | 第10-13页 |
| 1.2.2 医学影像分割评价 | 第13-14页 |
| 1.3 本文研究内容及章节安排 | 第14-16页 |
| 1.3.1 本文研究内容 | 第14-15页 |
| 1.3.2 章节安排 | 第15-16页 |
| 二、基于小波分解和Markov场的分割算法 | 第16-24页 |
| 2.1 图像的多尺度表达 | 第16-18页 |
| 2.1.1 多尺度分解 | 第17-18页 |
| 2.1.2 基于小波域的图像多尺度表达 | 第18页 |
| 2.2 联合小波域和Markov场图像分割 | 第18-21页 |
| 2.2.1 对图像的Markov场描述 | 第19-20页 |
| 2.2.2 图像的Markov场的分布估计 | 第20-21页 |
| 2.3 算法基本流程 | 第21-22页 |
| 2.4 实验结果及分析 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 三、基于稳健特征统计的分割算法 | 第24-40页 |
| 3.1 前言 | 第24-25页 |
| 3.2 稳健统计理论 | 第25-27页 |
| 3.2.1 稳健统计量 | 第25-26页 |
| 3.2.2 图像的稳健特征统计 | 第26-27页 |
| 3.3 水平集方法 | 第27-33页 |
| 3.3.1 水平集原理 | 第28-30页 |
| 3.3.2 水平集的数值计算 | 第30-32页 |
| 3.3.3 水平集的快速算法 | 第32-33页 |
| 3.4 基于稳健特征统计的的分割算法 | 第33-37页 |
| 3.4.1 图像的特征建模 | 第33-34页 |
| 3.4.2 基于稀疏场的水平集演化 | 第34-37页 |
| 3.5 实验结果与分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 四、总结与展望 | 第40-42页 |
| 4.1 总结 | 第40页 |
| 4.2 后续工作展望 | 第40-42页 |
| 参考文献 | 第42-49页 |
| 发表论文和参加科研情况说明 | 第49-50页 |
| 综述 | 第50-70页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70页 |
