| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 医学图像分割方法的研究现状 | 第10-11页 |
| 1.2.2 软骨分割的研究现状 | 第11-12页 |
| 1.2.3 智能算法用于医学图像分割的研究现状 | 第12-13页 |
| 1.3 论文结构安排 | 第13-14页 |
| 2 相关方法基本原理 | 第14-32页 |
| 2.1 医学图像分割 | 第14-15页 |
| 2.1.1 医学图像分割的基本原理 | 第14页 |
| 2.1.2 医学图像分割的特点 | 第14-15页 |
| 2.2 本文相关的分割算法 | 第15-21页 |
| 2.2.1 Canny 边缘检测法 | 第15-18页 |
| 2.2.2 区域生长算法 | 第18-21页 |
| 2.3 本文相关的智能处理算法 | 第21-30页 |
| 2.3.1 粒子群优化（PSO）算法概述 | 第21-25页 |
| 2.3.2 支持向量机（SVM）概述 | 第25-30页 |
| 2.4 本章小结 | 第30-32页 |
| 3 基于 PSO-SVM 和 Canny 算子的关节软骨边缘提取方法研究 | 第32-46页 |
| 3.1 图像数据来源 | 第33-34页 |
| 3.2 软骨边缘提取流程 | 第34-35页 |
| 3.3 自适应 Canny 边缘检测算法 | 第35-37页 |
| 3.4 基于 PSO-支持向量机（PSO-SVM）的软骨边缘提取算法 | 第37-42页 |
| 3.4.1 图像边缘的特征提取 | 第38-39页 |
| 3.4.2 实验样本以及数据预处理 | 第39-40页 |
| 3.4.3 基于 PSO 优化 SVM 的软骨边缘的分类 | 第40-42页 |
| 3.5 软骨分类结果分析 | 第42-44页 |
| 3.6 本章小结 | 第44-46页 |
| 4 结合边缘定位的关节软骨区域生长方法 | 第46-52页 |
| 4.1 基于软骨定位的区域生长法具体流程 | 第46-47页 |
| 4.2 基于 PSO 的改进区域生长算法 | 第47-49页 |
| 4.2.1 种子点的选取 | 第47页 |
| 4.2.2 改进的相似性准则 | 第47-49页 |
| 4.3 结合软骨边缘的改进区域生长 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 实验结果与分析 | 第52-60页 |
| 5.1 医学图像分割的评价标准及软骨分割的评价参数 | 第52-53页 |
| 5.2 改进方法的结果对比 | 第53-55页 |
| 5.2.1 与金标准实验结果进行对比 | 第53-54页 |
| 5.2.2 本文改进方法的有效性 | 第54-55页 |
| 5.3 本文方法主要中间结果展示 | 第55-56页 |
| 5.4 与水平集、蛇模型方法的对比 | 第56-57页 |
| 5.5 关节软骨分割效果的定量分析 | 第57-59页 |
| 5.6 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 论文总结 | 第60页 |
| 6.2 未来工作的展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 附录 | 第70页 |
| A 作者在攻读学位期间所取得的成果 | 第70页 |
| B 作者在攻读学位期间参与的科研项目 | 第70页 |
