医学图像分割算法研究及在腿部肌肉组织分割中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1. 绪论 | 第10-17页 |
| ·课题的背景及意义 | 第10-11页 |
| ·常用图像分割算法介绍 | 第11-14页 |
| ·基于区域的分割方法 | 第11-12页 |
| ·基于边缘的分割方法 | 第12-14页 |
| ·肌肉组织分割的研究现状及特点 | 第14-15页 |
| ·论文主要研究内容及结构 | 第15-17页 |
| 2. 图像预处理 | 第17-26页 |
| ·图像去噪 | 第17-20页 |
| ·图像去噪的意义 | 第17-18页 |
| ·双边滤波去噪 | 第18-19页 |
| ·小波变换去噪 | 第19-20页 |
| ·图像去噪效果评价 | 第20-25页 |
| ·图像去噪效果的评价方法 | 第20-22页 |
| ·实验结果分析 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 3. 基于水平集的图像分割 | 第26-36页 |
| ·Li水平集模型的图像分割 | 第26-29页 |
| ·Li水平集模型的基本原理 | 第26-28页 |
| ·Li水平集模型的不足之处 | 第28-29页 |
| ·C-V水平集模型的图像分割 | 第29-30页 |
| ·C-V水平集模型的原理 | 第29-30页 |
| ·C-V模型的不足之处 | 第30页 |
| ·基于改进的距离保持C-V水平集模型 | 第30-32页 |
| ·基于距离保持的C-V模型原理 | 第31-32页 |
| ·距离保持的C-V水平集模型分割步骤 | 第32页 |
| ·实验结果分析 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 4. 基于概率统计学的图像分类 | 第36-46页 |
| ·EM算法及基于高斯混合模型的应用 | 第37-39页 |
| ·EM算法简介 | 第37页 |
| ·高斯混合模型 | 第37-39页 |
| ·EM算法及高斯混合模型在图像分割上的应用 | 第39-43页 |
| ·Mean Shift算法简介 | 第39-41页 |
| ·高斯混合模型的分量数确定 | 第41-43页 |
| ·实验结果讨论 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 5. 基于肌肉组织的分割模型及实验 | 第46-54页 |
| ·基于肌肉组织的分割模型 | 第46-48页 |
| ·实验 | 第48-53页 |
| ·实验安排和步骤 | 第48-49页 |
| ·实验结果及分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 6. 总结与展望 | 第54-57页 |
| ·工作总结 | 第54-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |
