| 中文摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-25页 |
| 1.1 课题研究的背景和意义 | 第9-16页 |
| 1.1.1 X线成像 | 第9-10页 |
| 1.1.2 超声成像 | 第10页 |
| 1.1.3 CT成像 | 第10页 |
| 1.1.4 核医学成像 | 第10-11页 |
| 1.1.5 MRI成像 | 第11-16页 |
| 1.2 图像分割 | 第16-23页 |
| 1.2.1 传统的图像分割方法 | 第18-21页 |
| 1.2.2 结合特定理论工具的分割技术 | 第21-23页 |
| 1.3 本文研究内容 | 第23-25页 |
| 第2章 模糊数学及模糊聚类分析 | 第25-45页 |
| 2.1 引言 | 第25-31页 |
| 2.2 模糊集合定义及其表示 | 第31-33页 |
| 2.3 聚类分析的简介 | 第33-36页 |
| 2.3.1 划分方法(Partitioning Method) | 第34-35页 |
| 2.3.2 层次方法(Hierarchical Method) | 第35页 |
| 2.3.3 基于密度的方法(Density-based Method) | 第35页 |
| 2.3.4 基于网格的方法(Grid-based Method) | 第35-36页 |
| 2.3.5 基于模型的方法(Model-based Method) | 第36页 |
| 2.4 模糊聚类分析 | 第36-43页 |
| 2.4.1 硬分类 | 第37页 |
| 2.4.2 模糊聚类 | 第37-41页 |
| 2.4.3 快速模糊聚类算法 | 第41页 |
| 2.4.4 高斯核函数模糊聚类算法 | 第41-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第3章 改进的模糊聚类算法 | 第45-59页 |
| 3.1 熵的概念 | 第45-48页 |
| 3.1.1 熵 | 第46-48页 |
| 3.2 基于熵的模糊聚类算法改进 | 第48-53页 |
| 3.2.1 噪声距离的改进 | 第50-51页 |
| 3.2.2 聚类目标函数的改进 | 第51-52页 |
| 3.2.3 改进模糊聚类算法的实现 | 第52-53页 |
| 3.3 改进模糊聚类算法的初始化 | 第53-54页 |
| 3.4 改进模糊聚类算法流程 | 第54页 |
| 3.5 仿真实验 | 第54-56页 |
| 3.6 本章小结 | 第56-59页 |
| 第4章 改进模糊聚类算法在MRI中的应用 | 第59-71页 |
| 4.1 脑MRI图像的仿真实验结果 | 第59-68页 |
| 4.2 本章小结 | 第68-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
