| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-26页 |
| ·基于内容的图像检索(CBIR) | 第12-13页 |
| ·CBIR常规技术概括 | 第13-15页 |
| ·本课题研究意义 | 第15-19页 |
| ·CBIR在医学领域中的应用需求分析 | 第15-16页 |
| ·医学图像的特点 | 第16-17页 |
| ·医学图像检索的常用特征 | 第17-19页 |
| ·医学图像CBIR的发展 | 第19页 |
| ·本文主要研究内容 | 第19-20页 |
| ·论文结构 | 第20-21页 |
| 参考文献 | 第21-26页 |
| 第二章 颅脑图像脑组织自动化提取 | 第26-44页 |
| ·引言 | 第26页 |
| ·颅脑图像的相关知识 | 第26-27页 |
| ·解剖学知识 | 第26页 |
| ·影像学知识 | 第26-27页 |
| ·基于区域生长提取序列颅脑CT图像脑组织 | 第27-32页 |
| ·区域生长算法 | 第27-28页 |
| ·颅脑CT图像脑组织自动提取 | 第28-30页 |
| ·实验 | 第30-32页 |
| ·基于改进BET算法的MR颅脑图像脑组织自动提取 | 第32-42页 |
| ·BET算法简介 | 第32-34页 |
| ·本文改进算法 | 第34-36页 |
| ·实验 | 第36-42页 |
| 参考文献 | 第42-44页 |
| 第三章 颅脑图像脑组织分割 | 第44-53页 |
| ·引言 | 第44页 |
| ·基于高斯混合模型的EM算法(GMM-EM) | 第44-45页 |
| ·基于参数受限高斯混合模型的EM算法(PLGMM-EM) | 第45-48页 |
| ·基于高斯-马尔科夫模型的EM算法(G-MRF-EM) | 第48-50页 |
| ·本文在CBIR系统中采用的算法 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 第四章 特征提取 | 第53-59页 |
| ·形状特征 | 第53-55页 |
| ·傅立叶形状描述符 | 第53-54页 |
| ·不变矩 | 第54-55页 |
| ·小波变换 | 第55-56页 |
| ·Gabor小波变换 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 第五章 基于模糊区域内容和模糊结构的脑部图像检索 | 第59-78页 |
| ·引言 | 第59-60页 |
| ·模糊内容特征及模糊相似度计算 | 第60-63页 |
| ·模糊内容特征表示 | 第60页 |
| ·基于模糊内容特征的相似度计算 | 第60-62页 |
| ·多特征模糊相似度计算 | 第62-63页 |
| ·柯西和指数隶属度函数比较 | 第63页 |
| ·模糊二叉树结构提取 | 第63-68页 |
| ·图像二叉树分割 | 第63-64页 |
| ·停止条件 | 第64页 |
| ·模糊二叉树结构 | 第64-66页 |
| ·模糊特征提取 | 第66-68页 |
| ·基于模糊相似度的节点匹配和图像相似度计算 | 第68-70页 |
| ·基于模糊二叉树结构的图像相似度计算(FBTS) | 第70-73页 |
| ·实验 | 第73-77页 |
| 参考文献 | 第77-78页 |
| 第六章 基于模糊区域特征的相关反馈算法 | 第78-100页 |
| ·引言 | 第78-82页 |
| ·什么是相关反馈算法 | 第78-79页 |
| ·常用相关反馈方法 | 第79-81页 |
| ·基于区域特征的相关反馈技术 | 第81-82页 |
| ·基于距离最小化的权重调整算法 | 第82-83页 |
| ·基于模糊区域特征的相关反馈算法 | 第83-86页 |
| ·基于局域区域特征和全局特征相结合检索算法 | 第86-88页 |
| ·小波能量全局特征 | 第86-87页 |
| ·基于局域区域特征和全局特征相结合相似度计算 | 第87-88页 |
| ·基于SVM的相关反馈算法 | 第88-89页 |
| ·支持向量机(SVM) | 第88-89页 |
| ·基于SVM的相关反馈算法 | 第89页 |
| ·基于模糊区域特征和SVM的混合相关反馈算法 | 第89-90页 |
| ·实验 | 第90-97页 |
| 参考文献 | 第97-100页 |
| 第七章 总结与展望 | 第100-103页 |
| ·总结 | 第100-101页 |
| ·研究展望 | 第101-103页 |
| 攻读学位期间成果 | 第103-104页 |
| 致谢 | 第104-105页 |