首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于密度模型的医学图像分割方法研究

摘要第1-7页
ABSTRACT第7-11页
第一章 绪论第11-22页
   ·选题的背景与意义第11-12页
   ·研究现状与相关领域第12-18页
     ·医学图像密度估计的研究现状第12-15页
     ·医学图像分割的研究现状第15-17页
     ·相关领域第17-18页
   ·研究内容和创新第18-21页
     ·医学图像数据及其特点第18-19页
     ·研究的内容第19-20页
     ·研究的创新第20页
     ·论文的组织第20-21页
   ·本章小结第21-22页
第二章 密度估计模型研究第22-33页
   ·密度估计定义第22页
   ·直方图的相关研究第22-25页
     ·直方图方法第22-23页
     ·直方图的主要问题第23-25页
   ·核密度估计的相关研究第25-29页
     ·核密度估计的定义第25-26页
     ·核密度估计的主要问题第26-29页
   ·有限混合模型的相关研究第29-32页
     ·有限混合模型的定义第29页
     ·有限混合模型的主要问题第29-32页
   ·本章小结第32-33页
第三章 基于直方图估计的医学图像预处理第33-45页
   ·医学图像直方图的概述第33-37页
     ·直方图在图像分割中的应用第33页
     ·医学图像直方图的相关定义第33-37页
   ·基于局部多项式的医学图像光滑直方图第37-39页
   ·基于粗糙集理论和光滑直方图的医学图像预处理第39-44页
     ·粗糙集理论的相关概念第40页
     ·基于粗糙集和光滑直方图的医学图像预分割第40-42页
     ·基于粗糙集和光滑直方图的医学图像预分割实验第42-44页
   ·本章小结第44-45页
第四章 医学图像核密度估计和高斯混合模型密度估计.第45-75页
   ·快速自适应的医学图像核密度估计第45-51页
     ·基于光滑直方图的医学图像分层抽样第45-49页
     ·自适应的医学图像动态平滑参数估计第49-51页
   ·基于局部似然函数的医学图像核密度估计第51-63页
     ·局部似然函数的密度估计第52-53页
     ·一阶局部似然密度估计第53-54页
     ·医学图像的高维密度估计第54-55页
     ·基于局部似然密度估计的实验第55-63页
   ·基于核密度估计的混合模型参数初始化第63-66页
     ·有限混合模型的参数初始化问题第63-65页
     ·基于核密度估计的混合模型参数初始化第65-66页
   ·基于特征函数的医学图像混合模型成份数估计第66-71页
     ·高斯混合模型的特征函数第66-67页
     ·基于特征函数的有限混合模型成份数估计第67-68页
     ·有限混合模型成份估计实验第68-71页
   ·基于特征函数的医学图像高斯混合模型密度估计第71-74页
     ·基于特征函数的高斯混合模型密度估计算法第71-72页
     ·基于特征函数的高斯混合模型密度估计实验第72-74页
   ·本章小结第74-75页
第五章 基于核密度估计和高斯混合模型的医学图像分割第75-88页
   ·基于爬山算法和下山策略的医学图像分割第75-83页
     ·基于爬山算法的医学图像分割第75-77页
     ·基于动态步长的爬山算法第77页
     ·基于下山策略的医学图像分割第77-80页
     ·基于核密度函数的爬山和下山策略分割实验第80-83页
   ·基于高斯混合模型的医学图像分割第83-87页
     ·基于高斯混合模型密度的医学图像分割算法第83-84页
     ·基于高斯混合模型的医学图像分割实验第84-87页
   ·本章小结第87-88页
第六章 结语第88-90页
   ·本文总结第88-89页
   ·进一步研究工作第89页
   ·本章小结第89-90页
致谢第90-91页
参考文献第91-99页
附录Ⅰ 读博期间发表、录用的论文目录第99-100页
附录Ⅱ 读博期间参加的科研项目和成果第100页

论文共100页,点击 下载论文
上一篇:面向自由文本的细粒度关系抽取的关键技术研究
下一篇:基于公司治理的管理审计研究