| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 核磁共振成像原理 | 第10-11页 |
| 1.3 医学图像分割方法 | 第11-14页 |
| 1.3.1 基于区域的图像分割方法 | 第11-13页 |
| 1.3.2 基于边缘的图像分割 | 第13页 |
| 1.3.3 结合特定理论工具的分割方法 | 第13-14页 |
| 1.4 本文主要内容以及章节安排 | 第14-16页 |
| 2 基于 FCM 算法的脑部肿瘤图像分割 | 第16-21页 |
| 2.1 聚类分析 | 第16页 |
| 2.2 K 均值算法 | 第16-17页 |
| 2.3 模糊 C 均值算法 | 第17-19页 |
| 2.3.1 模糊理论 | 第17-18页 |
| 2.3.2 模糊 C 均值算法 | 第18-19页 |
| 2.4 用 FCM 算法进行脑部肿瘤图像的分割 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 基于数学形态学分水岭算法的脑部肿瘤图像的分割 | 第21-32页 |
| 3.1 数学形态学基本运算 | 第21-24页 |
| 3.1.1 腐蚀和膨胀 | 第21-22页 |
| 3.1.2 开运算和闭运算 | 第22-24页 |
| 3.2 灰度图像形态学处理 | 第24-26页 |
| 3.2.1 灰度形态学的基本运算 | 第24-25页 |
| 3.2.2 高帽变换和低帽变换 | 第25页 |
| 3.2.3 灰度图像形态学重构 | 第25-26页 |
| 3.3 形态学分水岭算法 | 第26-30页 |
| 3.3.1 分水岭算法的原理 | 第26-27页 |
| 3.3.2 基于浸没算法分水岭变换的数学描述 | 第27-29页 |
| 3.3.3 基于控制标记的分水岭分割 | 第29-30页 |
| 3.3.4 算法的实现过程 | 第30页 |
| 3.4 算法的实现与分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于 GVF Snake 模型的脑部肿瘤图像分割 | 第32-48页 |
| 4.1 传统的 Snake 模型 | 第32-34页 |
| 4.1.1 Snake 模型的基本原理 | 第32-33页 |
| 4.1.2 Snake 模型算法的实现 | 第33-34页 |
| 4.2 Snake 模型的两种外力改进模型 | 第34-35页 |
| 4.2.1 气球力 Snake 模型 | 第34页 |
| 4.2.2 GVF Snake 模型 | 第34-35页 |
| 4.3 GVF Snake 模型 | 第35-39页 |
| 4.3.1 边缘映射 | 第35-36页 |
| 4.3.2 GVF 分析 | 第36-38页 |
| 4.3.3 GVF Snake 仿真 | 第38-39页 |
| 4.4 GVF Snake 模型的改进 | 第39-43页 |
| 4.4.1 边缘映射图的获取 | 第40-42页 |
| 4.4.2 初始轮廓的设置 | 第42-43页 |
| 4.5 基于改进的 GVF Snake 模型对脑肿瘤的分割 | 第43-45页 |
| 4.6 本文所使用算法的对比分析 | 第45-47页 |
| 4.7 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 本文工作总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第54-55页 |