2D-MAP自动分割方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-20页 |
| ·课题背景与意义 | 第8-11页 |
| ·国内外研究现状 | 第11-17页 |
| ·研究内容与创新点 | 第17-19页 |
| ·论文结构安排 | 第19-20页 |
| 第2章 医学图像分割原理与方法 | 第20-33页 |
| ·图像分割定义 | 第20-21页 |
| ·图像分割方法简介 | 第21-26页 |
| ·基于边缘的分割方法 | 第21-23页 |
| ·基于区域的分割方法 | 第23-26页 |
| ·基于边缘检测图像分割 | 第26-31页 |
| ·基于一阶导数的边缘检测 | 第26-28页 |
| ·基于二阶导数的边缘检测 | 第28-29页 |
| ·不同边缘检测算子的比较 | 第29-31页 |
| ·图像分割效果评价 | 第31-33页 |
| 第3章 基于形态学分水岭算法的图像分割 | 第33-62页 |
| ·医学图像滤波 | 第33-41页 |
| ·空域滤波 | 第33-36页 |
| ·频域滤波 | 第36-39页 |
| ·二维图像FFT 变换 | 第39-41页 |
| ·数学形态学图像处理 | 第41-46页 |
| ·数学形态学原理 | 第41-42页 |
| ·灰度形态学基本运算 | 第42-44页 |
| ·灰度形态学应用 | 第44-46页 |
| ·分水岭图像分割算法 | 第46-50页 |
| ·分水岭算法基本思想 | 第46-48页 |
| ·分水岭分割算法 | 第48-50页 |
| ·实验结果及分析 | 第50-62页 |
| 第4章 基于神经网络算法的图像分割 | 第62-88页 |
| ·自组织特征神经网络 | 第62-71页 |
| ·SOFM 神经网络模型 | 第62-63页 |
| ·SOFM 神经网络结构 | 第63-66页 |
| ·SOFM 神经网络算法 | 第66-69页 |
| ·SOFM 神经网络设计 | 第69-71页 |
| ·径向基神经网络 | 第71-74页 |
| ·径向基网络工作原理 | 第71-72页 |
| ·径向基网络学习算法 | 第72-73页 |
| ·径向基网络学习过程 | 第73-74页 |
| ·概率神经网络 | 第74-77页 |
| ·概率神经网络结构 | 第75页 |
| ·概率神经网络工作原理 | 第75-77页 |
| ·实验结果及分析 | 第77-88页 |
| 第5章 EPP 并口电路设计 | 第88-105页 |
| ·计算机EPP 并口传输原理 | 第88-96页 |
| ·计算机并口类型 | 第88-90页 |
| ·EPP 并口寄存器 | 第90-93页 |
| ·EPP 并口读写时序 | 第93-96页 |
| ·EPP 并口电路设计 | 第96-105页 |
| ·系统框架结构 | 第96-99页 |
| ·系统实现 | 第99-104页 |
| ·系统测试结果 | 第104-105页 |
| 第6章 结论 | 第105-107页 |
| ·本文工作总结 | 第105-106页 |
| ·后续工作讨论 | 第106-107页 |
| 参考文献 | 第107-109页 |
| 致谢 | 第109-110页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第110页 |
