| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-19页 |
| ·研究背景及意义 | 第9-11页 |
| ·核磁共振成像原理 | 第11-13页 |
| ·国内外研究现状 | 第13页 |
| ·本文的主要工作 | 第13-14页 |
| ·图像分割评价方法 | 第14-17页 |
| ·本文的组织结构 | 第17-19页 |
| 第2章 图像分割的相关技术 | 第19-29页 |
| ·基于阈值的图像分割方法 | 第19-20页 |
| ·基于边缘的图像分割方法 | 第20-23页 |
| ·水平集方法 | 第21-22页 |
| ·Snake 模型 | 第22-23页 |
| ·基于区域的图像分割方法 | 第23-24页 |
| ·基于聚类的图像分割方法 | 第24-27页 |
| ·k-means 算法 | 第25页 |
| ·模糊 C-均值聚类算法 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 归一化割算法 | 第29-41页 |
| ·谱图理论 | 第29-31页 |
| ·基本概念 | 第29-31页 |
| ·基于图论的图像分割方法 | 第31-33页 |
| ·权值矩阵的构建 | 第32-33页 |
| ·特征向量与分割结果 | 第33页 |
| ·归一化割算法 | 第33-38页 |
| ·仿真实验结果及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于小波变换的多方向加权聚类颅内肿瘤分割算法 | 第41-57页 |
| ·小波变换 | 第41-42页 |
| ·SWA 算法 | 第42-48页 |
| ·初始化图像 | 第42-43页 |
| ·粗化过程 | 第43-45页 |
| ·分层聚集 | 第45-46页 |
| ·集合节点属性 | 第46-48页 |
| ·算法流程 | 第48-51页 |
| ·改进后的算法步骤 | 第49-50页 |
| ·高频增强 | 第50-51页 |
| ·实验结果与比较 | 第51-55页 |
| ·实验数据来源 | 第51-52页 |
| ·实验方法及环境 | 第52-53页 |
| ·实验数据结果与分析 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第5章 基于分水岭的加权聚类颅内肿瘤分割算法 | 第57-65页 |
| ·分水岭算法 | 第57-59页 |
| ·改进后的 SWA 颅内肿瘤分割算法 | 第59-62页 |
| ·图像预处理 | 第60-61页 |
| ·算法流程 | 第61-62页 |
| ·实验结果及分析 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士期间发表的论文 | 第71-73页 |
| 致谢 | 第73页 |