首页--医药、卫生论文--肿瘤学论文--呼吸系肿瘤论文--肺肿瘤论文

基于粒子群优化二维Otsu的肺CT图像分割算法

摘要第5-7页
Abstract第7-8页
第1章 绪论第11-17页
    1.1 课题研究背景和意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 常用肺部分割算法综述第12-14页
        1.2.2 肺部图像分割算法研究现状第14-15页
    1.3 本文主要的研究内容第15-17页
第2章 基于改进二维Otsu的肺CT图像分割算法第17-29页
    2.1 肺部CT图像第17-19页
        2.1.1 CT图像第17-18页
        2.1.2 肺部CT图像特点第18-19页
    2.2 基于阈值的图像分割算法第19-26页
        2.2.1 最大熵阈值法第19-20页
        2.2.2 直方图双峰法第20-22页
        2.2.3 迭代阈值分割法第22页
        2.2.4 Otsu算法第22-26页
    2.3 改进二维Otsu算法第26-27页
    2.4 实验结果及分析第27-28页
    2.5 本章小结第28-29页
第3章 改进粒子群算法第29-39页
    3.1 粒子群算法第29-32页
        3.1.1 粒子群算法概述第29页
        3.1.2 标准粒子群算法第29-32页
    3.2 改进的粒子群算法第32-35页
        3.2.1 惯性权重系数第33-34页
        3.2.2 加速系数第34页
        3.2.3 改进粒子群优化算法概述第34-35页
    3.3 实验结果与分析第35-38页
    3.4 本章小结第38-39页
第4章 基于粒子群优化二维Otsu的肺CT分割第39-49页
    4.1 基于粒子群优化的二维Otsu分割算法第39-43页
        4.1.1 基于粒子群优化的二维Otsu分割算法描述第39-40页
        4.1.2 基于粒子群优化二维Otsu的分割结果第40-43页
    4.2 基于粒子群优化二维Otsu的肺实质分割第43-46页
        4.2.1 肺CT图像阈值分割第43页
        4.2.2 肺部背景去除第43-44页
        4.2.3 肺实质提取第44-45页
        4.2.4 肺区域修复第45-46页
    4.3 肺实质分割结果第46-47页
    4.4 本章小结第47-49页
结论第49-51页
参考文献第51-56页
攻读学位期间发表的学术成果第56-57页
致谢第57页

论文共57页,点击 下载论文
上一篇:基于深度学习的混合推荐算法研究
下一篇:安防机器人导航系统设计