小波和归一化割在医学MR图像分割中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题研究的目的和意义 | 第12-13页 |
| ·国内外医学图像分割研究现状 | 第13-16页 |
| ·本文主要工作及结构安排 | 第16-18页 |
| 第2章 几种常用医学图像分割方法的介绍 | 第18-31页 |
| ·基于边缘检测的分割方法 | 第18-23页 |
| ·边缘检测的数学基础 | 第18-19页 |
| ·边缘检测算子 | 第19-22页 |
| ·边缘检测的性能 | 第22-23页 |
| ·基于区域的分割方法 | 第23-25页 |
| ·阈值法 | 第23-24页 |
| ·区域生长法 | 第24页 |
| ·分裂—合并法 | 第24-25页 |
| ·基于数学形态学的分割方法 | 第25-30页 |
| ·数学形态学简介 | 第25页 |
| ·二值医学图像形态处理 | 第25-29页 |
| ·分水岭变换 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于小波理论的医学图像分割方法 | 第31-48页 |
| ·小波变换简介 | 第31-34页 |
| ·小波变换和多分辨率分析 | 第31-32页 |
| ·小波变换的快速算法 | 第32-34页 |
| ·基于小波和分水岭的图像分割方法 | 第34-40页 |
| ·图像小波变换 | 第34-36页 |
| ·应用标记的分水岭分割算法 | 第36-37页 |
| ·区域标记和小波反变换 | 第37-38页 |
| ·实验结果及分析 | 第38-40页 |
| ·基于小波的细胞图像边界跟踪算法 | 第40-43页 |
| ·细胞图像的二维小波多尺度分析 | 第40-41页 |
| ·改进的轮廓跟踪算法 | 第41-42页 |
| ·细胞边缘跟踪结果 | 第42-43页 |
| ·基于小波的大脑图像边界跟踪算法 | 第43-47页 |
| ·大脑图像的二维小波多尺度分析 | 第43-44页 |
| ·一种轮廓跟踪算法 | 第44-46页 |
| ·大脑边缘跟踪结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于归一化割的医学图像分割方法 | 第48-58页 |
| ·引言 | 第48页 |
| ·归一化割准则 | 第48-52页 |
| ·归一化割提出的背景 | 第48-49页 |
| ·计算最优划分 | 第49-52页 |
| ·基于归一化割的医学图像分割实验 | 第52-57页 |
| ·实验原理 | 第52页 |
| ·基于归一化割的一般图像分割实验 | 第52-54页 |
| ·基于归一化割的医学图像分割实验 | 第54-56页 |
| ·实验结果及分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 大脑海马结构MR图像分割 | 第58-73页 |
| ·引言 | 第58-60页 |
| ·海马结构介绍及其图像分割 | 第58-59页 |
| ·海马结构 MR图像分割在临床上的重要意义 | 第59-60页 |
| ·海马MR图像分割方法综述 | 第60-61页 |
| ·基于小波和分水岭算法的海马MR图像分割 | 第61-66页 |
| ·海马冠状 MR图像分割 | 第62-63页 |
| ·海马轴向MR图像分割 | 第63-65页 |
| ·海马矢状 MR图像分割 | 第65-66页 |
| ·基于小波和归一化割的海马MR图像分割 | 第66-69页 |
| ·海马冠状MR图像分割 | 第66-67页 |
| ·海马轴向MR图像分割 | 第67-68页 |
| ·海马矢状MR图像分割 | 第68-69页 |
| ·实验结果及分析 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |
