| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 医学图像分割技术研究的背景和意义 | 第10-11页 |
| 1.2 医学图像分割技术的数学描述 | 第11页 |
| 1.3 医学图像分割技术研究的现状 | 第11-13页 |
| 1.4 医学图像分割技术的发展和难点 | 第13-14页 |
| 1.5 水平集分割方法 | 第14-15页 |
| 1.6 本文的主要内容 | 第15-17页 |
| 第二章 变分水平集基本理论和基本模型 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 变分基本概念 | 第17-19页 |
| 2.2.1 变分的定义 | 第17页 |
| 2.2.2 泛函的定义 | 第17-18页 |
| 2.2.3 Euler-Lagrange方程 | 第18页 |
| 2.2.4 梯度下降流 | 第18-19页 |
| 2.3 水平集基本理论 | 第19-22页 |
| 2.3.1 曲线演化问题 | 第20页 |
| 2.3.2 符合距离函数 | 第20-21页 |
| 2.3.3 数值计算 | 第21-22页 |
| 2.4 水平集基本模型 | 第22-24页 |
| 2.4.1 基于边缘检测模型 | 第22-23页 |
| 2.4.2 基于区域能量模型 | 第23-24页 |
| 2.5 单水平集与多水平集模型 | 第24-27页 |
| 2.5.1 单水平集模型 | 第24-25页 |
| 2.5.2 多水平集模型 | 第25-27页 |
| 第三章 多分辨率双水平集医学图像分割算法 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 多分辨率表示 | 第27-28页 |
| 3.3 改进型双水平集模型 | 第28-33页 |
| 3.3.1 双水平集模型描述 | 第28-30页 |
| 3.3.2 偏移场的拟合 | 第30-33页 |
| 3.4 算法性能与分析 | 第33-38页 |
| 3.4.1 算法流程 | 第33-34页 |
| 3.4.2 实验仿真与评估 | 第34-36页 |
| 3.4.3 临床数据实验结果与分析 | 第36-38页 |
| 3.5 结论 | 第38-39页 |
| 第四章 基于NL-Means的双水平集脑部MR图像分割算法 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 改进型NL-Means去噪算法 | 第39-43页 |
| 4.2.1 NL-Means算法 | 第39-40页 |
| 4.2.2 基于2DPCA的改进型NL-Means算法 | 第40-41页 |
| 4.2.3 改进型NL-means算法去噪性能分析 | 第41-43页 |
| 4.3 改进型双水平集模型 | 第43-46页 |
| 4.3.1 双水平集模型描述 | 第43-45页 |
| 4.3.2 偏移场的拟合 | 第45-46页 |
| 4.4 算法性能与分析 | 第46-51页 |
| 4.4.1 算法流程 | 第46-47页 |
| 4.4.2 实验仿真与评估 | 第47-50页 |
| 4.4.3 临床数据实验结果与分析 | 第50-51页 |
| 4.5 结束语 | 第51-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间发表论文情况 | 第63-65页 |
