脑卒中MR图像分割算法的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 核磁共振成像原理 | 第12页 |
| 1.3 医学图像分割方法 | 第12-14页 |
| 1.4 本文主要内容以及章节安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 基于Canny算子的图像边缘检测 | 第16-26页 |
| 2.1 常见边缘检测算子 | 第16-19页 |
| 2.2 Canny算子基本介绍 | 第19-23页 |
| 2.2.1 高斯滤波器平滑图像 | 第20页 |
| 2.2.2 计算梯度幅值图像和角度图像 | 第20-21页 |
| 2.2.3 非极大值抑制 | 第21-23页 |
| 2.2.4 双阈值处理和连接分析 | 第23页 |
| 2.3 孔洞填充基本介绍 | 第23-24页 |
| 2.4 掩模运算基本介绍 | 第24页 |
| 2.5 实验结果 | 第24页 |
| 2.6 本章小结 | 第24-26页 |
| 3 模糊C均值算法及其改进算法 | 第26-38页 |
| 3.1 传统的模糊C均值算法 | 第26-28页 |
| 3.1.1 传统模糊C均值算法基本介绍 | 第26-27页 |
| 3.1.2 传统模糊C均值算法缺陷 | 第27-28页 |
| 3.2 灰度梯度基本介绍 | 第28-29页 |
| 3.3 基于灰度梯度的FCMS算法 | 第29-31页 |
| 3.3.1 基于灰度梯度的权重计算 | 第30-31页 |
| 3.3.2 基于灰度梯度的FCMS算法 | 第31页 |
| 3.4 基于灰度梯度的噪声过滤 | 第31-33页 |
| 3.5 实验评价标准 | 第33页 |
| 3.6 实验结果 | 第33-36页 |
| 3.6.1 实验数据设置 | 第33页 |
| 3.6.2 实验结果比较 | 第33-36页 |
| 3.7 本章小结 | 第36-38页 |
| 4 基于区域生长的病灶分割 | 第38-44页 |
| 4.1 传统区域生长算法 | 第38页 |
| 4.2 种子点的选取 | 第38-39页 |
| 4.3 区域生长准则 | 第39-40页 |
| 4.4 区域生长的评价标准 | 第40-41页 |
| 4.5 区域生长的实验结果 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44-45页 |
| 5.2 展望 | 第45-46页 |
| 参考文献 | 第46-52页 |
| 攻读硕士学位期间所获得的研究成果 | 第52-53页 |
| 致谢 | 第53-54页 |
