首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于模糊C均值聚类与超像素方法的脑部MR图像分割

摘要第8-10页
ABSTRACT第10-11页
第1章 绪论第12-21页
    1.1 MR图像分割的研究背景和意义第12-13页
    1.2 医学图像分割的现状与发展趋势第13-16页
    1.3 MR图像分割中存在的主要问题第16-18页
    1.4 MR图像分割的主要目标第18-19页
    1.5 本文工作与论文组织第19-21页
第2章 相关方法概述第21-30页
    2.1 聚类算法第21-24页
        2.1.1 聚类算法概述第21-22页
        2.1.2 模糊C均值算法概述第22-24页
    2.2 超像素方法第24-29页
        2.2.1 超像素方法的产生背景第24-25页
        2.2.2 超像素方法概述第25-26页
        2.2.3 Turbo pixel超像素方法介绍第26-29页
        2.2.4 超像素方法中存在的问题第29页
    2.3 本章小结第29-30页
第3章 基于超像素与FCM的脑部MR图像分割方法研究第30-40页
    3.1 问题的提出第30页
    3.2 算法概述第30-32页
        3.2.1 算法提出的动机第30-31页
        3.2.2 算法简介第31-32页
    3.3 方法描述第32-39页
        3.3.1 粗分割阶段第32-33页
        3.3.2 细分割阶段第33-34页
        3.3.3 超像素聚类与标记阶段第34-39页
    3.4 本章小结第39-40页
第4章 实验结果与分析第40-52页
    4.1 实验数据及评价准则第40-41页
    4.2 对比实验第41-51页
        4.2.1 无噪声无偏场条件下的对比实验第41-44页
        4.2.2 低噪声低偏场条件下的对比实验第44-46页
        4.2.3 高噪声高偏场条件下的对比实验第46-48页
        4.2.4 噪声与偏场单独变化条件下的对比实验第48-51页
    4.3 本章小结第51-52页
第5章 总结与展望第52-53页
参考文献第53-56页
致谢第56-57页
攻读学位期间申请专利与发表的学术论文第57-58页
攻读学位期间参加的项目第58-59页
学位论文评阅及答辩情况表第59页

论文共59页,点击 下载论文
上一篇:虚拟现实技术在房地产展示系统中的应用
下一篇:情景感知系统框架与情景不一致性消除算法研究