基于有限混合模型的医学图像分割算法应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 注释表 | 第8-9页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 医学图像分割的研究现状 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第2章 医学图像分割方法 | 第12-16页 |
| 2.1 引言 | 第12页 |
| 2.2 基于边界的分割方法 | 第12-13页 |
| 2.2.1 边缘检测算法 | 第12页 |
| 2.2.2 形变模型算法 | 第12-13页 |
| 2.3 基于区域的分割方法 | 第13-14页 |
| 2.3.1 阂值法 | 第13页 |
| 2.3.2 区域生长与区域合并 | 第13页 |
| 2.3.3 分类器与聚类 | 第13-14页 |
| 2.3.4 基于随机场的方法 | 第14页 |
| 2.4 其他 | 第14-15页 |
| 2.5 本章小结 | 第15-16页 |
| 第3章 有限混合模型 | 第16-31页 |
| 3.1 引言 | 第16页 |
| 3.2 有限混合模型的定义 | 第16页 |
| 3.3 基于有限混合模型的聚类算法 | 第16-23页 |
| 3.3.1 概率分布的选择 | 第17-18页 |
| 3.3.2 参数估计 | 第18-22页 |
| 3.3.3 混合模型的初始化 | 第22-23页 |
| 3.4 分割效果评价 | 第23-24页 |
| 3.4.1 评价的目的和作用 | 第23页 |
| 3.4.2 医学图像的分割评价指标 | 第23-24页 |
| 3.5 图像数据的处理 | 第24-29页 |
| 3.5.1 脑核磁共振图像 | 第24-27页 |
| 3.5.2 2D图像分割处理 | 第27-28页 |
| 3.5.3 3D图像分割处理 | 第28-29页 |
| 3.6 本章小结 | 第29-31页 |
| 第4章 基于高斯混合模型的图像分割 | 第31-44页 |
| 4.1 引言 | 第31页 |
| 4.2 高斯混合模型 | 第31-34页 |
| 4.2.1 模型概述 | 第31-32页 |
| 4.2.2 参数估计 | 第32-33页 |
| 4.2.3 实验仿真 | 第33-34页 |
| 4.3 自适应均值滤波的高斯混合模型 | 第34-43页 |
| 4.3.1 算法描述 | 第35-37页 |
| 4.3.2 参数估计 | 第37-39页 |
| 4.3.3 实验仿真 | 第39-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于多元t混合模型的图像分割 | 第44-56页 |
| 5.1 引言 | 第44页 |
| 5.2 多元t分布混合模型 | 第44-47页 |
| 5.2.1 多元t混合模型定义 | 第44-45页 |
| 5.2.2 多元t分布混合模型的参数估计 | 第45-47页 |
| 5.3 自适应均值滤波的多元t混合模型 | 第47-48页 |
| 5.4 结果分析和讨论 | 第48-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 总结和展望 | 第56-57页 |
| 6.1 论文工作总结 | 第56页 |
| 6.2 进一步研究方向 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
