| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-11页 |
| CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| ·研究背景与意义 | 第14-15页 |
| ·相关内容的国内外研究现状 | 第15-20页 |
| ·周围神经切片图像神经束边缘轮廓提取国内外研究现状 | 第15-17页 |
| ·纹理分析现状 | 第17-19页 |
| ·采用粗糙集理论的图像区域分割现状 | 第19-20页 |
| ·主要研究内容及创新 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第二章 周围神经三维重建关键步骤的介绍 | 第22-30页 |
| ·周围神经切片图像 | 第22-24页 |
| ·周围神经切片图像的制备 | 第22-23页 |
| ·周围神经切片图像的特征分析 | 第23-24页 |
| ·周围神经切片图像配准 | 第24-25页 |
| ·神经束边缘轮廓获取 | 第25-27页 |
| ·神经束类型识别 | 第27-28页 |
| ·周围神经三维重建 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 周围神经切片图像的纹理特征提取 | 第30-48页 |
| ·纹理的定义 | 第30页 |
| ·纹理分析方法 | 第30-40页 |
| ·自相关函数法 | 第31-32页 |
| ·傅里叶频谱分析法 | 第32-33页 |
| ·灰度共生矩阵法 | 第33-37页 |
| ·Gabor滤波器 | 第37-39页 |
| ·纹理描述方法的选择 | 第39-40页 |
| ·周围神经切片图像纹理特征的Gabor滤波器提取方法 | 第40-47页 |
| ·Gabor滤波器的特性 | 第41-42页 |
| ·Gabor滤波器在提取神经切片图像纹理特征上的应用 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 切片图像中神经束分割的粗糙k-均值方法 | 第48-61页 |
| ·粗糙集理论 | 第48-53页 |
| ·知识的含义 | 第49页 |
| ·知识的表示 | 第49-50页 |
| ·粗糙集的下近似、上近似及边界区 | 第50-52页 |
| ·近似精度与粗糙度 | 第52页 |
| ·属性的依赖性 | 第52-53页 |
| ·属性约简 | 第53页 |
| ·粗糙k-均值聚类算法 | 第53-59页 |
| ·聚类法 | 第53-54页 |
| ·k-均值算法简介 | 第54-55页 |
| ·模糊c-均值聚类算法 | 第55-57页 |
| ·粗糙k-均值聚类算法 | 第57-59页 |
| ·采用粗糙k-均值方法实现神经束图像分割 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 实验与结果分析 | 第61-71页 |
| ·提取神经束边缘轮廓算法的适应性 | 第61-63页 |
| ·两种纹理特征描述方法的对比 | 第63-66页 |
| ·两种聚类算法的对比 | 第66-69页 |
| ·本章小结 | 第69-71页 |
| 结论及展望 | 第71-73页 |
| 参考文献 | 第73-80页 |
| 攻读学位期间发表的论文 | 第80-82页 |
| 致谢 | 第82-83页 |
| 附录 | 第83-84页 |
