基于聚类的RSF算法在医学图像分割中的应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.1.1 灰度医学图像分割的研究背景 | 第10-11页 |
| 1.1.2 灰度医学图像分割的理论及临床意义 | 第11页 |
| 1.2 灰度医学图像分割技术的发展及现状 | 第11-12页 |
| 1.3 论文安排及创新点 | 第12-13页 |
| 第二章 灰度医学横断面图像的分割方法 | 第13-22页 |
| 2.1 医学图像特征简介 | 第13-14页 |
| 2.2 医学图像的经典分割算法 | 第14-18页 |
| 2.2.1 基于边界的分割算法 | 第14-16页 |
| 2.2.2 基于区域的分割算法 | 第16-17页 |
| 2.2.3 基于统计的分割算法 | 第17-18页 |
| 2.3 基于形变模型的图像分割方法 | 第18-19页 |
| 2.4 基于机器学习的图像分割方法 | 第19-20页 |
| 2.5 医学图像分割的评价标准 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 RSF水平集模型的图像分割研究 | 第22-37页 |
| 3.1 水平集模型医学图像分割 | 第22-29页 |
| 3.1.1 主动轮廓模型理论 | 第23-26页 |
| 3.1.2 水平集算法理论与特点分析 | 第26-27页 |
| 3.1.3 传统水平集算法的应用分析 | 第27-29页 |
| 3.2 RSF水平集分割算法 | 第29-35页 |
| 3.2.1 RSF算法理论 | 第29-32页 |
| 3.2.2 RSF算法医学图像分割应用 | 第32-33页 |
| 3.2.3 K均值聚类及组合算法研究 | 第33-35页 |
| 3.3 实验结果分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于K均值与局部统计的RSF改进 | 第37-46页 |
| 4.1 聚类与水平集算法的模型融合 | 第37页 |
| 4.2 水平集外部能量项的改进研究 | 第37-40页 |
| 4.2.1 K均值算法的改进与全局能量项 | 第37-38页 |
| 4.2.2 水平集算法的改进与局部能量项 | 第38-40页 |
| 4.3 基于K均值与局部统计的水平集改进模型 | 第40-43页 |
| 4.4 实验结果分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于模糊C均值与局部统计的RSF改进 | 第46-62页 |
| 5.1 模糊C均值理论 | 第46-47页 |
| 5.2 模糊C均值的医学图像应用 | 第47-49页 |
| 5.3 基于模糊C均值与局部统计的水平集分割 | 第49-53页 |
| 5.4 实验结果分析 | 第53-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-63页 |
| 6.1 研究总结 | 第62页 |
| 6.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 作者在攻读硕士学位期间所发表的论文 | 第67-68页 |
| 致谢 | 第68页 |
