| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 图像分割综述 | 第9-14页 |
| 1.2.1 阈值法 | 第10-12页 |
| 1.2.2 边缘检测法 | 第12页 |
| 1.2.3 区域生长和分裂合并法 | 第12-14页 |
| 1.2.4 基于特定理论工具的分割技术 | 第14页 |
| 1.3 分割质量评价 | 第14-15页 |
| 1.4 本文的主要工作和创新点 | 第15页 |
| 1.5 论文主要内容及组织结构 | 第15-16页 |
| 第2章 聚类算法研究 | 第16-28页 |
| 2.1 聚类算法概述 | 第16-18页 |
| 2.1.1 聚类类型 | 第16-17页 |
| 2.1.2 簇的类型 | 第17-18页 |
| 2.2 图像聚类分割算法基础 | 第18-19页 |
| 2.3 硬C-均值聚类算法和模糊C-均值聚类算法 | 第19-22页 |
| 2.3.1 硬C-均值聚类算法 | 第19-20页 |
| 2.3.2 模糊C-均值聚类算法 | 第20-22页 |
| 2.4 模糊C-均值聚类算法的缺点与研究现状 | 第22-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 改进的FCM图像分割算法 | 第28-36页 |
| 3.1 关于模糊C-均值聚类算法的研究 | 第28页 |
| 3.2 引入隶属度函数的权重指数 | 第28-29页 |
| 3.2.1 改变度量方法 | 第28页 |
| 3.2.2 改变隶属度约束条件 | 第28-29页 |
| 3.3 FCM算法有效性判别 | 第29-31页 |
| 3.3.1 对聚类类别数c的选择 | 第29-30页 |
| 3.3.2 对模糊加权指数m的选择 | 第30-31页 |
| 3.4 改进的FCM算法 | 第31-35页 |
| 3.4.1 降低孤立点的影响 | 第32-33页 |
| 3.4.2 对聚类数目C的优选 | 第33-34页 |
| 3.4.3 改进的FCM算法的具体步骤 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 模糊聚类算法在冠状动脉CT图像中的应用 | 第36-48页 |
| 4.1 CT图像概述 | 第36-37页 |
| 4.1.1 CT图像成像原理 | 第36-37页 |
| 4.1.2 CT成像特点 | 第37页 |
| 4.1.3 冠状动脉CT图像 | 第37页 |
| 4.2 医学图像分割 | 第37-39页 |
| 4.2.1 图像分割的基础术语 | 第37-38页 |
| 4.2.2 图像分割的定义及其特点 | 第38-39页 |
| 4.3 FCM聚类算法的应用 | 第39-48页 |
| 4.3.1 基于FCM聚类算法的CT图像的分割 | 第39-40页 |
| 4.3.2 FCM聚类实验结果 | 第40-42页 |
| 4.3.3 基于改进的FCM聚类算法的CT图像的分割 | 第42-46页 |
| 4.3.4 实验结果分析 | 第46-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 工作总结 | 第48页 |
| 5.2 论文的工作的展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 作者简介 | 第53-54页 |
| 致谢 | 第54页 |