| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 脑MR图像分割的研究背景及意义 | 第10页 |
| 1.2 医学MR图像的特点 | 第10-11页 |
| 1.3 医学图像分割研究现状 | 第11-13页 |
| 1.4 支持向量机国内外研究现状 | 第13-14页 |
| 1.5 论文的内容安排 | 第14-16页 |
| 第2章 模糊聚类算法和支持向量机理论 | 第16-28页 |
| 2.1 模糊聚类算法 | 第16-19页 |
| 2.1.1 模糊聚类理论 | 第16-17页 |
| 2.1.2 模糊C均值聚类算法 | 第17-19页 |
| 2.2 统计学习理论 | 第19-25页 |
| 2.2.1 统计学习理论的核心内容 | 第19-21页 |
| 2.2.2 支持向量机 | 第21-25页 |
| 2.3 模糊C均值聚类算法和支持向量机在图像分割中的应用 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于偏移场估计和空间约束的IFP-FCM改进算法 | 第28-42页 |
| 3.1 改进模糊分割FCM算法 | 第28-30页 |
| 3.1.1 目标函数 | 第28-29页 |
| 3.1.2 迭代过程 | 第29页 |
| 3.1.3 模糊指数的一般化 | 第29-30页 |
| 3.2 结合偏移场估计和空间约束的改进算法 | 第30-33页 |
| 3.2.1 含偏移场图像模型 | 第31页 |
| 3.2.2 目标函数和迭代过程 | 第31-33页 |
| 3.2.3 算法步骤 | 第33页 |
| 3.3 实验结果与分析 | 第33-40页 |
| 3.3.1 分割质量评价方法 | 第33-34页 |
| 3.3.2 实验结果与分析 | 第34-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 最近邻筛选的FSVM在脑MR图像分割中的应用 | 第42-60页 |
| 4.1 最近邻筛选模糊支持向量机的构造 | 第42-46页 |
| 4.1.1 模糊支持向量机的原理 | 第42-44页 |
| 4.1.2 最近邻筛选算法 | 第44-46页 |
| 4.2 训练样本的选取 | 第46页 |
| 4.3 特征向量的选取 | 第46-50页 |
| 4.3.1 灰度共生矩阵 | 第47页 |
| 4.3.2 特征提取时的窗口选择 | 第47-48页 |
| 4.3.3 特征向量的选择 | 第48-50页 |
| 4.4 实验结果与对比分析 | 第50-58页 |
| 4.4.1 带噪声的脑MR图像分割比较实验 | 第50-54页 |
| 4.4.2 带偏移场效应的脑MR图像分割实验 | 第54-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 结论 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |
