| 摘要 | 第1-7页 |
| Abstract | 第7-18页 |
| 1 绪论 | 第18-37页 |
| ·引言 | 第18-19页 |
| ·脑MR图像分割难点 | 第19-21页 |
| ·国内外脑MR图像分割方法综述 | 第21-25页 |
| ·基于活动轮廓的分割方法 | 第21-23页 |
| ·基于活动表面模型的分割方法 | 第23页 |
| ·基于图论的分割方法 | 第23-24页 |
| ·基于像素的分割方法 | 第24-25页 |
| ·模糊聚类分割算法及其研究概况 | 第25-33页 |
| ·聚类算法简介 | 第25页 |
| ·模糊聚类算法的研究现状 | 第25-29页 |
| ·模糊聚类算法应用于脑MR分割方面存在的缺陷 | 第29-33页 |
| ·课题来源 | 第33页 |
| ·本文的主要研究工作和内容安排 | 第33-34页 |
| ·本文工作的创新点 | 第34-35页 |
| ·本文所涉及到的主要符号描述 | 第35-36页 |
| ·本文所使用的主要数据集 | 第36-37页 |
| 2 基于各向异性权重的模糊聚类脑MR图像分割算法 | 第37-53页 |
| ·引言 | 第37-38页 |
| ·含噪声脑MR图像的分割策略 | 第38-43页 |
| ·策略一：先去噪后分割 | 第38-41页 |
| ·策略二：分割过程中克服噪声 | 第41-43页 |
| ·背景介绍 | 第43-44页 |
| ·标准FCM | 第43页 |
| ·FCM的改进算法 | 第43-44页 |
| ·各向异性权重的模糊C均值聚类模型 | 第44-47页 |
| ·各向异性权重的构造 | 第44-45页 |
| ·目标函数及更新 | 第45-46页 |
| ·算法流程 | 第46-47页 |
| ·实验结果与分析 | 第47-52页 |
| ·评价参数 | 第47-48页 |
| ·窗口半径的选择 | 第48页 |
| ·合成图像 | 第48-51页 |
| ·脑MR图像 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 3 基于局部和全局信息的模糊聚类脑MR图像分割算法 | 第53-73页 |
| ·引言 | 第53-54页 |
| ·含偏移场脑MR图像的分割策略 | 第54-59页 |
| ·策略三：先估计偏移场后分割 | 第55-57页 |
| ·策略四：分割过程中估计偏移场 | 第57-59页 |
| ·背景介绍 | 第59-61页 |
| ·乘性偏移场模型 | 第59页 |
| ·PFCM | 第59-60页 |
| ·CLIC | 第60-61页 |
| ·基于局部和全局信息的概率模糊C均值聚类模型 | 第61-66页 |
| ·目标函数 | 第61-62页 |
| ·局部空间连续信息的引入 | 第62-65页 |
| ·目标函数最小化 | 第65-66页 |
| ·实验结果与分析 | 第66-70页 |
| ·抗噪能力 | 第67-68页 |
| ·估计偏移场 | 第68-69页 |
| ·三维脑MR图像分割 | 第69-70页 |
| ·本章算法讨论 | 第70-72页 |
| ·高斯核函数的参数选择 | 第71-72页 |
| ·局部和全局灰度约束项平衡参数的选择 | 第72页 |
| ·本章小结 | 第72-73页 |
| 4 基于模糊C均值聚类的脑MR图像分割框架 | 第73-92页 |
| ·引言 | 第73-74页 |
| ·背景介绍 | 第74-76页 |
| ·加性偏移场模型 | 第74-75页 |
| ·BCFCM | 第75页 |
| ·GIFP-FCM | 第75-76页 |
| ·基于改进的快速模糊C均值聚类脑MR图像分割框架 | 第76-86页 |
| ·目标函数 | 第76-77页 |
| ·初始化聚类中心 | 第77-80页 |
| ·估计偏移场 | 第80页 |
| ·构造局部空间信息 | 第80-82页 |
| ·构造控制参数 | 第82-84页 |
| ·最小化目标函数 | 第84-85页 |
| ·算法流程 | 第85-86页 |
| ·实验结果与分析 | 第86-91页 |
| ·抗噪能力 | 第86-88页 |
| ·估计偏移场 | 第88-90页 |
| ·三维脑MR图像分割 | 第90-91页 |
| ·本章小结 | 第91-92页 |
| 5 基于粗糙模糊集和二型模糊集的聚类分割算法 | 第92-122页 |
| ·引言 | 第92-93页 |
| ·粗糙模糊聚类模型 | 第93-106页 |
| ·背景介绍 | 第94-95页 |
| ·基于粗糙模糊集聚类的脑MR图像分割模型 | 第95-99页 |
| ·实验结果与分析 | 第99-104页 |
| ·算法总结与讨论 | 第104-106页 |
| ·区间二型模糊聚类模型 | 第106-120页 |
| ·背景介绍 | 第107-110页 |
| ·基于区间二型模糊集概率模糊C均值聚类模型 | 第110-115页 |
| ·实验结果与分析 | 第115-120页 |
| ·本章小结 | 第120-122页 |
| 6 基于统计模型的模糊聚类脑MR图像分割算法 | 第122-139页 |
| ·引言 | 第122-123页 |
| ·背景介绍 | 第123-125页 |
| ·高斯混合模型(GMM) | 第123-124页 |
| ·局部高斯概率模型(LGDF) | 第124-125页 |
| ·基于模糊局部高斯概率模型的聚类分割算法 | 第125-132页 |
| ·建模 | 第125-126页 |
| ·目标函数最小化 | 第126-127页 |
| ·实验结果与分析 | 第127-132页 |
| ·基于自适应尺度局部高斯概率的模糊聚类分割算法 | 第132-138页 |
| ·构造自适应尺度 | 第134-135页 |
| ·算法流程 | 第135-136页 |
| ·实验结果与分析 | 第136-138页 |
| ·本章小结 | 第138-139页 |
| 7 结束语 | 第139-145页 |
| ·本文各章节算法比较与讨论 | 第139-142页 |
| ·本文工作总结 | 第142-144页 |
| ·将来的工作 | 第144-145页 |
| 致谢 | 第145-146页 |
| 参考文献 | 第146-162页 |
| 附录 | 第162-163页 |
| 博士在读期间发表和录用的论文 | 第162-163页 |
| 参加的科研项目 | 第163页 |
| 博士在读期间获得的奖励 | 第163页 |