| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-16页 |
| ·研究背景和意义 | 第7-8页 |
| ·图像分割及其方法概述 | 第8-13页 |
| ·图像分割基础知识 | 第8页 |
| ·医学图像分割方法概述 | 第8-13页 |
| ·模糊聚类分割算法研究概况 | 第13-14页 |
| ·本文内容及章节安排 | 第14-16页 |
| 第二章 模糊数学与模糊聚类概述 | 第16-24页 |
| ·模糊数学理论简介 | 第16页 |
| ·模糊集合理论 | 第16-20页 |
| ·古典集合与特征函数 | 第16-17页 |
| ·模糊集合与隶属度函数 | 第17页 |
| ·模糊集合的表示方法 | 第17-18页 |
| ·模糊集合的运算性质 | 第18-19页 |
| ·常用的隶属度函数 | 第19-20页 |
| ·聚类分析简介 | 第20-23页 |
| ·硬C-均值聚类 | 第20-21页 |
| ·模糊C均值聚类 | 第21-23页 |
| ·模糊C-均值聚类算法流程 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于空间结构相似性信息的图像分割模型 | 第24-34页 |
| ·引言 | 第24-25页 |
| ·背景介绍 | 第25页 |
| ·基于空间结构相似性信息的图像分割模型 | 第25-28页 |
| ·结构相似性衡量 | 第25-26页 |
| ·模型建立 | 第26-28页 |
| ·实验结果与分析 | 第28-33页 |
| ·评价参数 | 第28页 |
| ·人工合成图像的分割 | 第28-30页 |
| ·虚拟脑MR图像的分割 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 改进的非局部FCM脑MR图像分割与偏移场恢复耦合模型 | 第34-46页 |
| ·引言 | 第34页 |
| ·背景介绍 | 第34-36页 |
| ·基于竞争学习理论的FCM聚类算法 | 第35页 |
| ·CLIC模型 | 第35-36页 |
| ·改进的非局部FCM图像分割与偏移场恢复耦合模型 | 第36-38页 |
| ·去偏移场 | 第36-37页 |
| ·改进的非局部FCM图像分割与偏移场恢复耦合模型 | 第37-38页 |
| ·实验结果与分析 | 第38-45页 |
| ·脑部合成图像分割 | 第38-42页 |
| ·真实脑MR图像分割 | 第42-44页 |
| ·参数分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于加权邻域信息的FCM脑MR图像分割与偏移场恢复耦合模型 | 第46-56页 |
| ·引言 | 第46页 |
| ·基于加权邻域信息的FCM图像分割与偏移场恢复耦合模型 | 第46-48页 |
| ·去偏移场 | 第47页 |
| ·图像patch的权重向量 | 第47页 |
| ·模型建立 | 第47-48页 |
| ·实验结果与分析 | 第48-54页 |
| ·脑部合成图像分割 | 第48-51页 |
| ·真实脑MR图像分割 | 第51-53页 |
| ·Patch尺寸参数分析 | 第53-54页 |
| ·本文两种改进模型的分割结果对比 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间参加的科研项目以及发表的论文 | 第64页 |
