| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究目的与意义 | 第8-9页 |
| 1.2 医学超声成像的发展现状 | 第9-11页 |
| 1.3 医学超声图像分割方法研究现状 | 第11-13页 |
| 1.4 论文的研究内容和结构安排 | 第13-15页 |
| 第二章 医学超声图像分割方法概述 | 第15-21页 |
| 2.1 基于区域的图像分割方法 | 第15-16页 |
| 2.1.1 阈值分割法 | 第15-16页 |
| 2.1.2 区域生长 | 第16页 |
| 2.1.3 分裂合并法 | 第16页 |
| 2.2 基于边缘的图像分割方法 | 第16页 |
| 2.3 结合特定理论工具的方法 | 第16-20页 |
| 2.3.1 可变模型法 | 第16-17页 |
| 2.3.2 基于神经网络的方法 | 第17-18页 |
| 2.3.3 基于小波变换的方法 | 第18页 |
| 2.3.4 基于统计学的方法 | 第18-19页 |
| 2.3.5 基于分形的分割方法 | 第19页 |
| 2.3.6 基于数学形态学方法 | 第19页 |
| 2.3.7 基于图论理论的分割方法 | 第19-20页 |
| 2.4 三维乳房超声断层图像分割方法 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 图论和图的分割 | 第21-30页 |
| 3.1 图论的基本概述 | 第21-26页 |
| 3.2 网络图的最大流 | 第26页 |
| 3.3 网络图的最小割 | 第26-27页 |
| 3.4 最大流最小割理论 | 第27-28页 |
| 3.5 基于图割理论的图像分割 | 第28-29页 |
| 3.5.1 s-t网络构造的基本模式 | 第28页 |
| 3.5.2 图割方法的基本步骤 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 改进的GrabCut算法 | 第30-45页 |
| 4.1 GraphCut算法简介 | 第30-33页 |
| 4.2 GrabCut算法简介 | 第33-37页 |
| 4.2.1 GrabCut算法颜色模型构建 | 第33-35页 |
| 4.2.2 迭代能量最小化分割算法 | 第35-37页 |
| 4.3 改进的GrabCut算法 | 第37-39页 |
| 4.3.1 颜色模型的改进 | 第37-38页 |
| 4.3.2 交互方式的改进 | 第38-39页 |
| 4.3.3 改进的GrabCut算法实现步骤 | 第39页 |
| 4.4 实验结果及分析 | 第39-44页 |
| 4.4.1 实验平台和实验数据 | 第39页 |
| 4.4.2 可行性验证 | 第39-43页 |
| 4.4.3 对比性验证 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 医学影像分割软件的设计与实现 | 第45-57页 |
| 5.1 相关技术介绍 | 第45-51页 |
| 5.1.1 ITK开发工具 | 第45-46页 |
| 5.1.2 VTK开发工具 | 第46页 |
| 5.1.3 CMake工具 | 第46-48页 |
| 5.1.4 OpenCV简介 | 第48-49页 |
| 5.1.5 Visual Studio 2010 简介 | 第49页 |
| 5.1.6 MFC简介 | 第49-51页 |
| 5.2 软件设计 | 第51-54页 |
| 5.2.1 软件功能 | 第51-52页 |
| 5.2.2 软硬件环境 | 第52页 |
| 5.2.3 软件处理流程 | 第52-53页 |
| 5.2.4 功能实现 | 第53-54页 |
| 5.3 软件操作步骤简介 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 全文工作总结 | 第57页 |
| 6.2 研究与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录 | 第62-63页 |