改进的FCM算法在脑部图像分割中的应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第2章 模糊c均值聚类算法 | 第17-23页 |
| 2.1 K均值聚类算法(HCM) | 第17-19页 |
| 2.1.1 HCM算法原理 | 第17-18页 |
| 2.1.2 HCM算法的优缺点 | 第18页 |
| 2.1.3 HCM算法实现 | 第18-19页 |
| 2.2 C均值聚类算法(FCM) | 第19-22页 |
| 2.2.1 FCM算法的原理 | 第19-20页 |
| 2.2.2 FCM算法的优缺点 | 第20-21页 |
| 2.2.3 FCM算法的实现 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 像素相关性的研究 | 第23-27页 |
| 3.1 像素相关性 | 第23页 |
| 3.2 基于像素距离的相关性 | 第23-24页 |
| 3.3 基于像素灰度差的相关性 | 第24-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第4章 基于邻域像素相关性的FCM算法改进 | 第27-35页 |
| 4.1 已有基于邻域像素的FCM改进算法 | 第27-31页 |
| 4.1.1 FCMS算法 | 第27-28页 |
| 4.1.2 FCMS1算法 | 第28-30页 |
| 4.1.3 FLICM算法 | 第30-31页 |
| 4.1.4 对已有改进算法的分析 | 第31页 |
| 4.2 基于邻域像素灰度差相关性的FCM算法改进 | 第31-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第5章 实验结果与分析 | 第35-55页 |
| 5.1 实验环境 | 第35页 |
| 5.2 评价准则 | 第35-36页 |
| 5.3 本文算法实验结果 | 第36-41页 |
| 5.3.1 后分割策略 | 第37-39页 |
| 5.3.2 灰度还原 | 第39-41页 |
| 5.4 对比实验 | 第41-53页 |
| 5.4.1 FCM算法对比实验 | 第41-44页 |
| 5.4.2 FCMS算法对比实验 | 第44-47页 |
| 5.4.3 FLLICM算法对比实验 | 第47-50页 |
| 5.4.4 FCMS1算法对比实验 | 第50-53页 |
| 5.4.5 运行时间对比 | 第53页 |
| 5.5 本章总结 | 第53-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 论文总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
