| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.2 医学超声图像轮廓提取方法 | 第10-12页 |
| 1.2.1 区域增长法 | 第10页 |
| 1.2.2 基于阈值的提取方法 | 第10-11页 |
| 1.2.3 基于边缘检测的提取方法 | 第11页 |
| 1.2.4 基于小波分析的提取方法 | 第11页 |
| 1.2.5 基于动态轮廓模型的提取方法 | 第11-12页 |
| 1.2.6 基于其它思想的提取方法 | 第12页 |
| 1.3 国内外研究状况 | 第12-14页 |
| 1.4 论文的主要工作、组织结构及创新点 | 第14-16页 |
| 1.4.1 本文主要工作、组织结构 | 第14页 |
| 1.4.2 本文的创新点 | 第14-16页 |
| 第二章 小波变换原理及在边缘检测中的应用 | 第16-26页 |
| 2.1 小波变换原理 | 第16-18页 |
| 2.1.1 连续的小波变换 | 第16-17页 |
| 2.1.2 离散的小波变换 | 第17-18页 |
| 2.2 小波模极大值多尺度边缘检测 | 第18-21页 |
| 2.2.1 一维信号检测原理 | 第18-19页 |
| 2.2.2 二维图像边缘检测原理 | 第19-21页 |
| 2.3 算法流程图 | 第21-22页 |
| 2.4 实验结果及对比 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 动态轮廓模型 | 第26-39页 |
| 3.1 snake模型的基本原理 | 第26-27页 |
| 3.2 传统snake模型的优缺点 | 第27-28页 |
| 3.3 GVF snake模型 | 第28-30页 |
| 3.3.1 GVF snake模型的原理 | 第28-29页 |
| 3.3.2 GVF的数值实现 | 第29-30页 |
| 3.4 GVF snake模型与传统方法的比较 | 第30-38页 |
| 3.4.1 GVF变形轮廓向边界凹口及缝隙的收敛 | 第36-37页 |
| 3.4.2 GVF变形轮廓的初始化和收敛性 | 第37页 |
| 3.4.3 实验结果分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于多尺度小波边缘检测改进的GVF snake模型 | 第39-55页 |
| 4.1 初始轮廓线对结果的影响 | 第39-42页 |
| 4.2 基于小波模极大值多尺度边缘检测算法的初始轮廓设置 | 第42-44页 |
| 4.3 收敛初始轮廓线 | 第44-45页 |
| 4.4 改进的模型在颈部淋巴结超声图像轮廓提取中的应用 | 第45-54页 |
| 4.4.1 超声图像实验 | 第45-51页 |
| 4.4.2 实验结果与性能分析 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间完成的论文 | 第60-61页 |
| 致谢 | 第61页 |
