| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题研究的背景和意义 | 第10-13页 |
| 1.1.2 X线成像 | 第10-11页 |
| 1.1.3 超声成像 | 第11页 |
| 1.1.4 CT成像 | 第11页 |
| 1.1.5 核医学成像 | 第11-12页 |
| 1.1.6 MRI成像 | 第12-13页 |
| 1.2 图像分割 | 第13-20页 |
| 1.2.1 传统的图像分割方法 | 第15-18页 |
| 1.2.2 结合特定理论工具的分割技术 | 第18-20页 |
| 1.3 本文的主要工作 | 第20-22页 |
| 第2章 模糊数学及模糊聚类分析 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 模糊集合定义及其表示 | 第22-23页 |
| 2.3 聚类分析的简介 | 第23-27页 |
| 2.3.1 划分方法 | 第24-25页 |
| 2.3.2 层次方法 | 第25页 |
| 2.3.3 基于密度的方法 | 第25页 |
| 2.3.4 基于网格的方法 | 第25-26页 |
| 2.3.5 基于模型的方法 | 第26-27页 |
| 2.4 模糊聚类分析 | 第27-33页 |
| 2.4.1 硬分类 | 第27页 |
| 2.4.2 模糊聚类 | 第27-31页 |
| 2.4.3 KFCM算法 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 关于FCM算法的改进 | 第34-54页 |
| 3.1 熵的介绍 | 第34-38页 |
| 3.1.1 信息熵 | 第35-37页 |
| 3.1.2 联合熵 | 第37页 |
| 3.1.3 条件熵 | 第37-38页 |
| 3.2 FCM算法的改进 | 第38-44页 |
| 3.2.1 噪声距离的改进 | 第40-41页 |
| 3.2.2 熵的引入 | 第41-42页 |
| 3.2.3 邻域隶属度约束引入 | 第42页 |
| 3.2.4 MFCM算法的实现 | 第42-44页 |
| 3.3 MFCM算法的初始化 | 第44-45页 |
| 3.4 MFCM算法流程 | 第45-46页 |
| 3.5 仿真实验 | 第46-52页 |
| 3.5.1 合成图像仿真实验及分析 | 第46-48页 |
| 3.5.2 checkerboard数据集仿真实验及分析 | 第48-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 改进的FCM算法在MRI中的应用 | 第54-62页 |
| 4.1 QFCM算法的介绍 | 第54-55页 |
| 4.2 脑MRI图像的仿真实验结果 | 第55-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |