| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-21页 |
| 1.1 课题研究的背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 乳腺超声图像分割技术的国内外研究现状 | 第12-17页 |
| 1.2.2 超声图像特征提取技术的国内外研究现状 | 第17-18页 |
| 1.3 论文研究目标及主要内容 | 第18-19页 |
| 1.4 本文结构 | 第19-21页 |
| 2 乳腺肿瘤超声图像预处理 | 第21-29页 |
| 2.1 图像ROI区域的选择 | 第21-22页 |
| 2.2 图像去噪 | 第22-27页 |
| 2.2.1 均值滤波 | 第22-23页 |
| 2.2.2 中值滤波 | 第23-24页 |
| 2.2.3 高斯滤波 | 第24页 |
| 2.2.4 各向异性扩散滤波 | 第24-25页 |
| 2.2.5 实验结果分析 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 3 基于图割和DRLSE模型的乳腺超声图像分割算法 | 第29-37页 |
| 3.1 图割理论 | 第29-31页 |
| 3.2 基于距离正则化的水平集模型（DRLSE模型） | 第31-34页 |
| 3.3 基于图割和DRLSE模型的乳腺超声图像分割 | 第34-35页 |
| 3.4 实验结果及分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于Otsu阈值和改进CV模型的乳腺超声图像自动分割算法 | 第37-47页 |
| 4.1 基于Otsu阈值分割的初始轮廓自动提取 | 第37-39页 |
| 4.2 基于区域的水平集活动轮廓模型（CV模型） | 第39-41页 |
| 4.3 改进的CV模型 | 第41-42页 |
| 4.3.1 构造边界指示函数g(|(?)I|) | 第41页 |
| 4.3.2 用|(?)Φ(x, y)|取代Dirac函数 | 第41-42页 |
| 4.3.3 引入局部能量项 | 第42页 |
| 4.4 实验结果分析 | 第42-44页 |
| 4.5 分割算法评价指标 | 第44-45页 |
| 4.6 本章小结 | 第45-47页 |
| 5 乳腺超声图像的特征提取 | 第47-57页 |
| 5.1 乳腺肿瘤超声图像纹理特征的提取 | 第48-51页 |
| 5.1.1 基于GLCM的纹理特征提取 | 第48-50页 |
| 5.1.2 基于Tamura纹理的特征提取 | 第50-51页 |
| 5.2 乳腺超声形状特征的提取 | 第51-53页 |
| 5.3 实验结果及分析 | 第53-57页 |
| 6 总结与展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第67-69页 |
| 附录 | 第69-76页 |
