| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 医学图像分割简述 | 第8页 |
| 1.3 超声图像分割的研究现状 | 第8-11页 |
| 1.3.1 传统图像分割理论下的超声分割 | 第9-10页 |
| 1.3.2 基于聚类模型的超声分割 | 第10页 |
| 1.3.3 基于纹理特征的超声分割 | 第10-11页 |
| 1.4 超声分割的评价方法 | 第11页 |
| 1.5 本文主要工作和创新点 | 第11-12页 |
| 1.6 各章节安排 | 第12-13页 |
| 第2章 基于纹理特征值的超声图像分割算法分析 | 第13-21页 |
| 2.1 基于纹理特征的分割算法的流程 | 第14-15页 |
| 2.2 纹理特征提取的常见方法 | 第15-20页 |
| 2.2.1 灰度共生矩阵算法 | 第15-17页 |
| 2.2.2 局部二值模式特征提取算法 | 第17-18页 |
| 2.2.3 基于GABOR小波变换的纹理特征提取 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 改进的三维块匹配提取特征超声纹理提取方法 | 第21-34页 |
| 3.1 非局部图像算法 | 第21-22页 |
| 3.2 基于非局部算法的超声特征提取方法 | 第22-27页 |
| 3.2.1 非局部块聚类特征提取算法 | 第22-24页 |
| 3.2.2 聚类分配特征提取算法 | 第24-25页 |
| 3.2.3 自适应的特征提取算法 | 第25-27页 |
| 3.3 三维块匹配特征提取算法基本步骤描述 | 第27-30页 |
| 3.4 三维块匹配特征提取算法在超声图像上的实验 | 第30-33页 |
| 3.4.1 预去噪方法实验 | 第30-32页 |
| 3.4.2 基于三维分组纹理特征提取方法实验 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 融合先验数据的三维纹理特征值的分类方法 | 第34-41页 |
| 4.1 应用基于三维分组纹理特征提取方法对超声图像进行分类 | 第34-36页 |
| 4.2 融合先验数据的三维纹理特征值的分割方法 | 第36-38页 |
| 4.2.1 模糊聚类 | 第36-37页 |
| 4.2.2 融合先验数据的三维纹理特征值的分割方法 | 第37-38页 |
| 4.3 融合先验数据的分割方法的超声图像分割实验 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 总结和展望 | 第41-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第48页 |