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

基于变分方法的心脏核磁共振图像分割研究

第一章 绪论第1-22页
   ·引言第14-16页
   ·国内外医学图像分割方法研究现状第16-19页
     ·参数活动轮廓模型第16-17页
     ·几何活动轮廓模型第17-19页
     ·Mumford-Shah模型第19页
   ·本文主要研究工作与创新点第19-21页
   ·章节安排第21-22页
第二章 图像分割中的变分数学基础第22-24页
   ·引言第22页
   ·泛函极值问题及其变分解法第22-24页
     ·泛函与变分第22页
     ·泛函极值存在的必要条件第22页
     ·图像分割模型泛函极值求解第22-24页
第三章 参数活动轮廓模型分析第24-37页
   ·引言第24-25页
   ·Kass模型第25-27页
     ·数值解法第25-27页
     ·实验结果与分析第27页
     ·Kass模型的评价第27页
   ·气球Snake模型第27-28页
   ·GVF模型第28-30页
     ·模型推导第29-30页
     ·实验结果与分析第30页
   ·T-Snake模型第30-31页
   ·基于遗传算法的双T-Snake模型MR图像分割第31-35页
     ·双T-Snake模型第31-32页
     ·遗传算法的实现第32-34页
     ·实验结果与分析第34-35页
   ·本章小结第35-37页
第四章 几何活动轮廓模型分析第37-54页
   ·引言第37页
   ·测地线活动轮廓模型第37-39页
   ·曲线演化理论第39页
   ·水平集理论第39-48页
     ·水平集理论第39-41页
     ·水平集演化方程的数值计算第41-42页
     ·实现细节第42-45页
     ·水平集函数快速算法第45-48页
   ·基于双水平集的MR图像分割模型第48-52页
     ·双水平集模型第48-49页
     ·快速SDF生成法第49页
     ·一种基于区域信息的速度函数第49-50页
     ·实验结果与分析第50-52页
   ·本章小结第52-54页
第五章 基于ROI信息的活动轮廓模型MR图像分割第54-60页
   ·引言第54页
   ·融合区域信息的Snake模型第54-55页
   ·ROI信息的提取与利用第55-56页
   ·参数模型几何化第56-58页
   ·实验结果与分析第58-59页
   ·本章小结第59-60页
第六章 一种新的活动轮廓模型——S-L模型第60-67页
   ·引言第60页
   ·S-L模型第60-62页
     ·Snake模型第60-61页
     ·S-L模型第61-62页
   ·模型离散化第62-63页
   ·拓扑改变第63-65页
   ·实验结果与分析第65-66页
   ·本章小结第66-67页
第七章 基于高斯混合模型的活动轮廓模型MR图像分割第67-82页
   ·引言第67页
   ·高斯混合模型第67-69页
     ·图像灰度分布的混合统计模型第68页
     ·EM算法第68-69页
   ·遗传算法及高斯混合模型的参数估计第69-72页
     ·初始种群的构造第70-71页
     ·目标函数和适应度函数第71页
     ·选择方法第71页
     ·遗传算子的构造第71-72页
     ·终止准则第72页
   ·高斯混合模型的应用第72-74页
     ·待分割区域的混合模型分析第72页
     ·高斯混合模型在Snake模型中的应用第72-73页
     ·高斯混合模型在水平集模型中的应用第73-74页
   ·实验结果与分析第74-76页
   ·基于多元信息的高斯混合模型及其MR图像分割第76-80页
     ·多元信息场的构造第76-78页
     ·基于多元信息高斯混合模型改进的水平集模型第78-79页
     ·左心室外轮廓提取第79-80页
   ·本章小结第80-82页
第八章 扩散水平集框架下的MR图像左心室轮廓提取第82-90页
   ·引言第82页
   ·扩散水平集第82-86页
     ·反几何扩散模型第82-83页
     ·扩散水平集第83-86页
   ·先验条件约束第86-87页
     ·形状约束条件第86-87页
     ·解剖学约束条件第87页
   ·实验结果与分析第87-89页
   ·本章小结第89-90页
第九章 分割—增强耦合变分模型及其MR图像分割第90-100页
   ·引言第90页
   ·Mumford-Shah模型第90-93页
   ·简化的Mumford-Shah图像分割模型第93页
   ·基于水平集求解简化M-S模型的C-V方法第93-94页
   ·基于直方图的快速Mumford-Shah模型MR图像分割第94-97页
     ·符号表法第95页
     ·目标的粗分割第95-96页
     ·目标边界的确定第96-97页
       ·确定外轮廓第96页
       ·去除内部噪声第96-97页
     ·边界优化第97页
   ·实验结果与分析第97-98页
   ·本章小结第98-100页
第十章 总结与展望第100-104页
   ·总结第100-103页
   ·未来研究方向第103-104页
致谢第104-105页
参考文献第105-114页
攻读博士学位期间的主要研究成果第114页

论文共114页,点击 下载论文
上一篇:中小企业出口营销渠道研究
下一篇:我国上市公司智力资本与企业绩效的关系研究