| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 基于边缘检测的分割方法 | 第10-11页 |
| 1.2.2 基于区域生长分割方法 | 第11-12页 |
| 1.2.3 基于阈值分割方法 | 第12-14页 |
| 1.2.4 基于统计学的分割方法 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 基于MRF的GMM图像分割 | 第18-24页 |
| 2.1 有限GMM模型 | 第18-20页 |
| 2.2 MRF平均场理论 | 第20-21页 |
| 2.3 基于MRF的GMM的图像分割 | 第21-23页 |
| 2.4 本章总结 | 第23-24页 |
| 第3章 基于空间限制的Dirichlet混合模型的图像分割 | 第24-40页 |
| 3.1 基于空间关系的有限Dirichlet混合模型 | 第24-26页 |
| 3.2 参数估计 | 第26-29页 |
| 3.3 算法流程 | 第29页 |
| 3.4 实验结果与分析 | 第29-38页 |
| 3.5 本章小节 | 第38-40页 |
| 第4章 基于空间限制的inverted Dirichlet混合模型的脑部MRI图像分割 | 第40-52页 |
| 4.1 基于空间限制的inverted Dirichlet混合模型 | 第41-43页 |
| 4.2 参数估计 | 第43-45页 |
| 4.3 算法流程 | 第45页 |
| 4.4 实验结果与分析 | 第45-50页 |
| 4.5 本章小节 | 第50-52页 |
| 第5章 基于广义均值的Beta-Liuville混合模型的图像分割 | 第52-67页 |
| 5.1 基于广义均值的Beta-Liuville混合模型 | 第52-55页 |
| 5.2 参数估计 | 第55-59页 |
| 5.3 参数估计 | 第59-60页 |
| 5.4 实验结果与分析 | 第60-66页 |
| 5.5 本章总结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 未来工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第74-75页 |
