| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-14页 |
| ·医学图像分割 | 第9-10页 |
| ·冠脉造影图像中血管提取分割的进展 | 第10-12页 |
| ·冠状动脉造影图像 | 第12-13页 |
| ·论文的主要工作和文章结构 | 第13-14页 |
| 第二章 冠状动脉造影图像的预处理 | 第14-23页 |
| ·冠状动脉造影图像的平滑 | 第14-17页 |
| ·邻域平均法 | 第14-15页 |
| ·低通滤波 | 第15-16页 |
| ·中值滤波 | 第16-17页 |
| ·冠脉造影图像的增强 | 第17-22页 |
| ·空域增强 | 第17-21页 |
| ·频域增强 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于Hessian矩阵多尺度滤波与区域增长方法相结合的冠脉分割算法 | 第23-34页 |
| ·图像分割 | 第23-27页 |
| ·阈值分割 | 第24页 |
| ·空间聚类 | 第24-27页 |
| ·基于Hessian矩阵的多尺度滤波 | 第27-30页 |
| ·Hessian矩阵的特征值和特征向量 | 第27-28页 |
| ·基于Hessian矩阵的血管增强原理 | 第28-30页 |
| ·区域增长 | 第30-31页 |
| ·Hessian矩阵多尺度滤波与区域增长相结合的冠脉分割算法流程图 | 第31-32页 |
| ·实验结果 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于Markov随机场的造影图像分割优化算法 | 第34-45页 |
| ·Markov随机场基本概念 | 第34-36页 |
| ·邻域系统及基团 | 第34-35页 |
| ·Markov随机场 | 第35-36页 |
| ·Gibbs随机场及其与MRF的等价性 | 第36页 |
| ·Markov随机场模型 | 第36-38页 |
| ·Ising模型 | 第37页 |
| ·Potts模型 | 第37页 |
| ·MLL模型 | 第37页 |
| ·四叉树模型 | 第37-38页 |
| ·基于MRF的参数估计 | 第38-41页 |
| ·最大似然估计法 | 第38页 |
| ·最大伪似然估计法 | 第38页 |
| ·最小二乘估计法 | 第38-39页 |
| ·基于期望最大法的参数估计 | 第39-41页 |
| ·基于Markov随机场的图像分割算法 | 第41-43页 |
| ·迭代条件模式法 | 第41-42页 |
| ·模拟退火法 | 第42页 |
| ·均场退火算法 | 第42-43页 |
| ·基于MRF的高斯混合模型算法的改进 | 第43-44页 |
| ·基于高斯混合模型的图像分割 | 第43页 |
| ·基于MRF的高斯混合模型的血管分割 | 第43-44页 |
| ·基于MRF的高斯混合模型的血管分割算法结果展示 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| ·总结 | 第45页 |
| ·后续工作展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 在学期间的硏究成果 | 第50-51页 |
| 致谢 | 第51页 |
