| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本论文研究内容和组织结构 | 第14-17页 |
| 第2章 MR脑图像处理方法概述 | 第17-27页 |
| 2.1 MR图像预处理方法概述 | 第17-20页 |
| 2.1.1 中值滤波 | 第18页 |
| 2.1.2 线性滤波 | 第18-19页 |
| 2.1.3 维纳滤波 | 第19-20页 |
| 2.2 MR图像偏移场矫正方法概述 | 第20-21页 |
| 2.2.1 前向法 | 第20-21页 |
| 2.2.2 回顾法 | 第21页 |
| 2.3 MR图像分割方法概述 | 第21-24页 |
| 2.3.1 基于阈值的分割算法 | 第22页 |
| 2.3.2 基于聚类的分割算法 | 第22-23页 |
| 2.3.3 基于形变模型和水平集的分割算法 | 第23页 |
| 2.3.4 基于像素的统计概率分割方法 | 第23-24页 |
| 2.3.5 混合分割方法 | 第24页 |
| 2.4 小儿脑部MR图像分割难点 | 第24-25页 |
| 2.4.1 小儿脑部MR图像特点 | 第24-25页 |
| 2.4.2 小儿脑部MR图像分割方法概述 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于遗传算法婴幼儿脑MR图像去偏移场算法研究 | 第27-35页 |
| 3.1 基于遗传算法的去除偏移场模型 | 第27-29页 |
| 3.1.1 偏移场模型和信息熵 | 第27-28页 |
| 3.1.2 遗传算法的去偏移场模型 | 第28-29页 |
| 3.2 改进的遗传算法去除偏移场算法 | 第29-32页 |
| 3.2.1 粒子群结合的遗传算法的改进模型 | 第29-30页 |
| 3.2.2 自适应遗传算法 | 第30-32页 |
| 3.3 实验结果分析 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于图割优化MRF婴幼儿脑组织分割算法研究 | 第35-49页 |
| 4.1 图割与MRF结合算法的研究现状 | 第35-36页 |
| 4.2 基于MRF模型的图割算法 | 第36-41页 |
| 4.2.1 图像的马尔可夫随机场描述 | 第36-38页 |
| 4.2.2 MRF框架下的图割理论 | 第38-39页 |
| 4.2.3 图割扩展算法 | 第39-41页 |
| 4.3 MRF框架下图割算法的改进 | 第41-45页 |
| 4.3.1 基于灰度共生矩阵和高斯混合模型对数据项的改进 | 第41-44页 |
| 4.3.2 非参数估计对平滑项的改进 | 第44-45页 |
| 4.4 实验结果分析 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 基于多能量改进图割的婴幼儿脑组织分割算法研究 | 第49-71页 |
| 5.1 基于图割的图像分割理论基础 | 第49-53页 |
| 5.1.1 流网络与最大流最小割的基本理论 | 第49-51页 |
| 5.1.2 最大流最小割的计算方法 | 第51-53页 |
| 5.1.3 图割算法的分割框架 | 第53页 |
| 5.2 基于多特征改进的能量函数构造算法 | 第53-57页 |
| 5.2.1 多特征的选取 | 第54页 |
| 5.2.2 由多特征改进的能量函数 | 第54-56页 |
| 5.2.3 改进后的算法流程 | 第56-57页 |
| 5.3 结合谱聚类改进的能量函数构造算法 | 第57-62页 |
| 5.3.1 谱聚类的相关理论 | 第57-60页 |
| 5.3.2 谱聚类改进后的能量函数 | 第60-61页 |
| 5.3.3 谱聚类与图割的结合 | 第61-62页 |
| 5.4 基于遗传算法优化的参数迭代算法 | 第62-64页 |
| 5.4.1 遗传算法改进的能量函数 | 第62-63页 |
| 5.4.2 DBI分割评价指标 | 第63页 |
| 5.4.3 基于DBI遗传算法的模型构造与流程 | 第63-64页 |
| 5.5 实验结果分析 | 第64-69页 |
| 5.6 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79页 |
