首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

多图谱医学图像分割方法研究及应用

摘要第1-5页
ABSTRACT第5-8页
图表清单第8-9页
注释表第9-10页
第一章 绪论第10-16页
   ·引言第10-11页
   ·基于多图谱的图像分割方法第11-13页
     ·图像配准第11页
     ·多图谱方法第11-12页
     ·从局部方法到非局部方法第12-13页
   ·稀疏表示第13页
   ·半监督学习第13-14页
   ·本文的主要研究工作第14页
   ·本文的内容安排第14-16页
第二章 基于图框架的标签融合模型及数据集介绍第16-25页
   ·引言第16-18页
   ·图像标签融合方法介绍第18-19页
   ·通用图模型框架第19页
   ·集成融合方法到图框架第19-22页
   ·数据集介绍第22-24页
     ·数据采集第22页
     ·数据预处理第22-24页
     ·实验设置第24页
   ·本章小结第24-25页
第三章 基于稀疏表示的图结构权重计算方法第25-42页
   ·引言第25-26页
     ·稀疏表示的求解第25-26页
   ·基于稀疏表示的图结构权重计算方法第26-30页
     ·目标第26-28页
     ·基于稀疏表示的图构造第28-29页
     ·标签传播第29-30页
   ·逆向稀疏化方法第30-31页
     ·逆向稀疏图的构造第30-31页
   ·实验结果与分析第31-40页
     ·实验设置第31-34页
     ·分割结果比较第34-37页
       ·局部方法比较第34-35页
       ·局部方法与非局部方法比较第35-36页
       ·非局部方法比较第36-37页
     ·可视化结果比较第37-38页
     ·图权重的比较第38-39页
     ·计算代价第39-40页
     ·实验分析第40页
   ·本章小结第40-42页
第四章 基于半监督的稀疏图结构改进算法第42-53页
   ·引言第42-43页
   ·基于半监督的稀疏图结构改进算法第43-46页
     ·图构造第43-44页
     ·有向图的半监督学习第44-46页
   ·集成稀疏方法到半监督图结构第46-48页
     ·动机第46-47页
     ·块的预选择第47页
     ·稀疏表示权重计算第47-48页
   ·实验结果与分析第48-52页
     ·实验设置第48-49页
     ·分割结果比较第49-52页
   ·本章小结第52-53页
第五章 总结与展望第53-55页
   ·已有工作总结第53-54页
   ·未来工作展望第54-55页
参考文献第55-61页
致谢第61-62页
在学期间的研究成果及发表的学术论文第62页

论文共62页,点击 下载论文
上一篇:基于图像处理的机车车号自动识别系统
下一篇:基于改进自适应混合高斯模型的背景建模及对象计数方法研究