基于组件树的医学图像分割算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 基于像素的图像分割 | 第16页 |
| 1.2.2 基于区域的图像分割 | 第16-17页 |
| 1.2.3 局部先验形状法与全局先验形状法 | 第17-18页 |
| 1.2.4 基于人工智能的图像分割方法 | 第18页 |
| 1.2.5 基于组件树的图像分割方法 | 第18-19页 |
| 1.3 本文研究内容 | 第19页 |
| 1.4 本文组织结构 | 第19-20页 |
| 第二章 组件树基础 | 第20-28页 |
| 2.1 组件树概述 | 第20页 |
| 2.2 加权图与组件树 | 第20-23页 |
| 2.2.1 图的基本定义 | 第20-21页 |
| 2.2.2 加权图的定义 | 第21-23页 |
| 2.2.3 组件树的定义 | 第23页 |
| 2.3 最大树 | 第23-26页 |
| 2.3.1 最大树的定义 | 第23-25页 |
| 2.3.2 最大树剪枝 | 第25-26页 |
| 2.4 结点属性计算 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 组件树构造算法 | 第28-40页 |
| 3.1 流型算法 | 第28-29页 |
| 3.2 基于合并的算法 | 第29-31页 |
| 3.3 浸没算法 | 第31-36页 |
| 3.3.1 不相交集合 | 第31-33页 |
| 3.3.2 并查集算法 | 第33页 |
| 3.3.3 组件树的高层描述 | 第33-34页 |
| 3.3.4 组件树的细节描述 | 第34-36页 |
| 3.4 浸没算法举例 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于组件树的医学图像分割算法 | 第40-47页 |
| 4.1 高斯-拉普拉斯(LOG)图像增强 | 第40-41页 |
| 4.2 组件相似性合并判定 | 第41-42页 |
| 4.2.1 相邻组件属性相似性判定准则 | 第41-42页 |
| 4.2.2 算法描述 | 第42页 |
| 4.3 实验结果分析 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于改进分水岭和区域合并的分割算法 | 第47-66页 |
| 5.1 算法概要 | 第47-49页 |
| 5.1.1 基本定义 | 第47-48页 |
| 5.1.2 算法流程 | 第48-49页 |
| 5.2 噪声处理与梯度计算 | 第49-50页 |
| 5.2.1 同质性区域与非同质性区域的定义 | 第49页 |
| 5.2.2 混合参数估算 | 第49-50页 |
| 5.3 分水岭变换算法 | 第50-52页 |
| 5.3.1 分水岭变换算法概述 | 第51-52页 |
| 5.3.2 基于分水岭变换的改进 | 第52页 |
| 5.4 快速区域合并算法 | 第52-60页 |
| 5.4.1 逐步最优递阶区域合并 | 第52-53页 |
| 5.4.2 区域相异性函数 | 第53-54页 |
| 5.4.3 邻接图合并 | 第54-56页 |
| 5.4.4 最近邻的快速合并 | 第56-60页 |
| 5.5 实验结果分析 | 第60-65页 |
| 5.6 本章小结 | 第65-66页 |
| 总结与展望 | 第66-67页 |
| 参考文献 | 第67-74页 |
| 攻读学位期间发表论文 | 第74-76页 |
| 致谢 | 第76页 |
