| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第2章 CT图像的预处理和后处理 | 第18-28页 |
| 2.1 医学图像格式转换 | 第18-20页 |
| 2.1.1 DICOM文件 | 第18-19页 |
| 2.1.2 BMP文件 | 第19页 |
| 2.1.3 DICOM文件到BMP文件的转换 | 第19-20页 |
| 2.2 图像去噪 | 第20-22页 |
| 2.2.1 均值滤波 | 第20-21页 |
| 2.2.2 中值滤波 | 第21-22页 |
| 2.3 形态学图像平滑 | 第22-25页 |
| 2.3.1 膨胀 | 第22-23页 |
| 2.3.2 腐蚀 | 第23页 |
| 2.3.3 开运算 | 第23-24页 |
| 2.3.4 闭运算 | 第24页 |
| 2.3.5 图像平滑 | 第24-25页 |
| 2.4 填充孔洞 | 第25-26页 |
| 2.5 提取图像中的最大连通区域 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于SKFCM算法的肝脏图像粗分割 | 第28-43页 |
| 3.1 模糊C均值聚类算法 | 第28-32页 |
| 3.1.1 模糊集 | 第28-29页 |
| 3.1.2 C均值聚类算法 | 第29页 |
| 3.1.3 模糊C均值聚类算法 | 第29-31页 |
| 3.1.4 模糊C均值聚类算法的不足 | 第31-32页 |
| 3.2 改进的模糊C均值聚类算法 | 第32-38页 |
| 3.2.1 基于空间邻域信息的模糊C均值聚类算法 | 第32-34页 |
| 3.2.2 基于核函数的模糊C均值聚类算法 | 第34-37页 |
| 3.2.3 基于空间邻域信息的核模糊C均值聚类算法 | 第37-38页 |
| 3.3 基于SKFCM算法的肝脏图像粗分割 | 第38-40页 |
| 3.4 实验结果与分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于改进的GrowCut算法的肝脏图像细分割 | 第43-58页 |
| 4.1 元胞自动机理论 | 第43-47页 |
| 4.2 传统的GrowCut算法 | 第47-50页 |
| 4.2.1 GrowCut算法的基本思想 | 第47-49页 |
| 4.2.2 GrowCut算法的特点 | 第49页 |
| 4.2.3 GrowCut算法的不足 | 第49-50页 |
| 4.3 改进的GrowCut方法 | 第50-52页 |
| 4.4 实验结果与分析 | 第52-57页 |
| 4.5 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 本文工作总结 | 第58-59页 |
| 本文创新点 | 第59页 |
| 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读学位期间发表论文与研究成果清单 | 第66-67页 |
| 致谢 | 第67页 |