| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 目录 | 第10-12页 |
| 第一章 概述 | 第12-22页 |
| 1．1 图像分割的意义 | 第13-14页 |
| 1．2 分割算法综述 | 第14-19页 |
| 1．2．1 阈值法 | 第14-15页 |
| 1．2．2 基于边缘检测的分割 | 第15页 |
| 1．2．3 基于像素分类的分割 | 第15-16页 |
| 1．2．4 基于模糊集理论的分割 | 第16页 |
| 1．2．5 基于随机场的算法 | 第16页 |
| 1．2．6 基于形变模型的分割 | 第16-17页 |
| 1．2．7 基于图谱引导的分割方法 | 第17页 |
| 1．2．8 其他分割方法 | 第17-19页 |
| 1．3 医学图像的评估 | 第19-22页 |
| 第二章 数学理论 | 第22-56页 |
| 2．1 模糊集和广义模糊集 | 第22-33页 |
| 2．1．1 模糊集的有关定义及其性质 | 第23-24页 |
| 2．1．2 隶属度函数的选择 | 第24-29页 |
| 2．1．3 去模糊化方法 | 第29-30页 |
| 2．1．4 模糊贝叶斯方法 | 第30-32页 |
| 2．1．5 模糊聚类 | 第32-33页 |
| 2．1．6 广义模糊集 | 第33页 |
| 2．2 马尔可夫随机场理论 | 第33-53页 |
| 2．2．1 基本概念 | 第33-36页 |
| 2．2．2 常用的马尔可夫模型 | 第36-39页 |
| 2．2．3 基于马尔可夫场的分割算法的参数估计 | 第39-48页 |
| 2．2．4 优化方法 | 第48-53页 |
| 2．3 模糊随机变量基本概念 | 第53-56页 |
| 第三章 基于马尔可夫场的图像分类数的自适应估计 | 第56-72页 |
| 3．1 算法回顾 | 第56-59页 |
| 3．2 基于隐马尔可夫模型的自适应联合能量准则 | 第59-61页 |
| 3．3 参数估计 | 第61-63页 |
| 3．4 优化方案 | 第63-64页 |
| 3．5 算法和试验评估 | 第64-72页 |
| 第四章 基于模糊马尔可夫随机场的图像分割新算法 | 第72-88页 |
| 4．1 引言 | 第72-73页 |
| 4．2 模糊马尔可夫随机场 | 第73-77页 |
| 4．3 模型建立 | 第77-78页 |
| 4．3．1 先验分布 | 第77页 |
| 4．3．2 隶属度函数 | 第77-78页 |
| 4．3．3 似然分布 | 第78页 |
| 4．4 参数估计 | 第78-81页 |
| 4．5 图像分割 | 第81-83页 |
| 4．6 试验 | 第83-86页 |
| 4．7 结论与讨论 | 第86-88页 |
| 第五章 广义模糊Gibbs随机场与MR图像分割算法研究 | 第88-100页 |
| 5．1 引言 | 第88-90页 |
| 5．2 广义模糊集与广义模糊Gibbs随机场 | 第90-93页 |
| 5．2．1 建立广义模糊类 | 第90-92页 |
| 5．2．2 广义模糊Gibbs随机场 | 第92-93页 |
| 5．3 分割算法与实验 | 第93-99页 |
| 5．3．1 算法描述 | 第93-94页 |
| 5．3．2 实验 | 第94-99页 |
| 5．4 结论与讨论 | 第99-100页 |
| 第六章 总结与展望 | 第100-102页 |
| 参考文献 | 第102-115页 |
| 完成和发表的论文 | 第115-116页 |
| 致谢 | 第116-117页 |