| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状及发展趋势 | 第10-15页 |
| 1.2.1 基于边界的方法 | 第11页 |
| 1.2.2 基于区域的方法 | 第11-12页 |
| 1.2.3 基于统计的方法 | 第12-14页 |
| 1.2.4 其它方法 | 第14-15页 |
| 1.3 主要研究内容 | 第15页 |
| 1.4 组织结构 | 第15-18页 |
| 第2章 混合模型在脑部核磁共振图像分割中应用简介 | 第18-33页 |
| 2.1 混合模型 | 第18-25页 |
| 2.1.1 有限高斯混合模型及其期望最大化算法 | 第18-21页 |
| 2.1.2 有限t混合模型及其期望最大化算法 | 第21-24页 |
| 2.1.3 混合模型中混合成分个数的选择 | 第24-25页 |
| 2.2 贝叶斯决策理论 | 第25-26页 |
| 2.3 混合模型结合贝叶斯决策理论在图像分割中的应用 | 第26-27页 |
| 2.4 脑部核磁共振图像知识及常用数据集简介 | 第27-29页 |
| 2.5 脑部核磁共振图像分割面临的挑战 | 第29-30页 |
| 2.6 脑部核磁共振图像分割评价方法 | 第30-31页 |
| 2.7 本章小结 | 第31-33页 |
| 第3章 基于马尔可夫随机场的t混合模型的脑部核磁共振图像分割 | 第33-48页 |
| 3.1 问题提出 | 第33页 |
| 3.2 马尔可夫随机场理论 | 第33-36页 |
| 3.2.1 马尔可夫随机场的定义 | 第33-34页 |
| 3.2.2 马尔可夫随机场的表示 | 第34-36页 |
| 3.3 基于马尔可夫随机场的t混合模型 | 第36-40页 |
| 3.3.1 模型建立 | 第36-37页 |
| 3.3.2 期望最大化求解方法 | 第37-39页 |
| 3.3.3 算法流程 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-46页 |
| 3.4.1 对比实验 | 第40页 |
| 3.4.2 图像的分割结果分析 | 第40-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 基于截断狄利克雷过程的无限t混合模型的脑部核磁共振图像分割 | 第48-64页 |
| 4.1 问题提出 | 第48页 |
| 4.2 狄利克雷过程 | 第48-51页 |
| 4.2.1 狄利克雷过程的定义 | 第48-49页 |
| 4.2.2 狄利克雷过程的折棍构造 | 第49-51页 |
| 4.3 狄利克雷过程混合模型 | 第51-53页 |
| 4.4 基于截断狄利克雷过程的无限t混合模型 | 第53-57页 |
| 4.4.1 模型建立 | 第53-55页 |
| 4.4.2 期望最大化求解方法 | 第55-57页 |
| 4.4.3 算法流程 | 第57页 |
| 4.5 实验结果与分析 | 第57-62页 |
| 4.5.1 对比实验 | 第57页 |
| 4.5.2 图像的分割结果分析 | 第57-62页 |
| 4.6 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 本文工作总结 | 第64-65页 |
| 5.2 将来工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第71页 |
