| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和选题依据 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 1.4 本文章节安排 | 第12-13页 |
| 第二章 MRI图像和基于FCM算法的图像分割算法 | 第13-33页 |
| 2.1 核磁共振图像简介 | 第13页 |
| 2.2 模糊理论基础 | 第13-16页 |
| 2.2.1 模糊数学理论 | 第13-14页 |
| 2.2.2 模糊集基础理论 | 第14-16页 |
| 2.3 标准模糊C-均值聚类分割算法 | 第16-23页 |
| 2.3.1 聚类分析 | 第16-18页 |
| 2.3.2 模糊C-均值聚类算法 | 第18-21页 |
| 2.3.4 FCM算法分割结果及分析 | 第21-23页 |
| 2.4 几种经典的FCM改进算法 | 第23-31页 |
| 2.4.1 基于核函数的FCM算法 | 第23-26页 |
| 2.4.2 基于效率提升的EnFCM算法 | 第26-29页 |
| 2.4.3 基于邻域像素信息的BCFCM算法 | 第29-31页 |
| 2.5 分割结果评价指标 | 第31-32页 |
| 2.6 小结 | 第32-33页 |
| 第三章 MRI模糊C聚类分割中初始聚类中心的选取 | 第33-54页 |
| 3.1 初始聚类中心的选取对FCM算法性能的影响 | 第33-34页 |
| 3.2 基于全局寻优的FCM初始聚类中心选取 | 第34-45页 |
| 3.2.1 遗传模糊聚类（GAFCM）算法 | 第35-41页 |
| 3.2.2 基于粒子群（PSO）算法的FCM初始聚类中心选取 | 第41-45页 |
| 3.3 改进的FCM初始聚类中心选取算法 | 第45-49页 |
| 3.4 仿真实验与分析 | 第49-52页 |
| 3.4.1 实验背景与参数设置 | 第49-50页 |
| 3.4.2 实验结果 | 第50-52页 |
| 3.5 小结 | 第52-54页 |
| 第四章 基于MRI图像邻域信息的改进FCM算法 | 第54-64页 |
| 4.1 引言 | 第54页 |
| 4.2 基于像素邻域信息改进的FCM算法 | 第54-59页 |
| 4.3 实验结果以及分析 | 第59-63页 |
| 4.3.1 标准合成脑部图像分割 | 第59-62页 |
| 4.3.2 真实脑部图像分割 | 第62-63页 |
| 4.4 小结 | 第63-64页 |
| 第五章 基于FCM算法改进的MRI脑部图像分割方法 | 第64-71页 |
| 5.1 引言 | 第64页 |
| 5.2 基于FCM算法改进的MRI图像分割方法 | 第64-67页 |
| 5.3 分割实验结果 | 第67-70页 |
| 5.4 小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 致谢 | 第77页 |