| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 乳腺超声图像的研究意义 | 第11-12页 |
| 1.2 CAD简介 | 第12-13页 |
| 1.3 乳腺超声图像分割技术的研究意义 | 第13页 |
| 1.4 优化问题和优化算法 | 第13-15页 |
| 1.5 本文的主要工作和章节安排 | 第15-18页 |
| 1.5.1 主要工作 | 第15-17页 |
| 1.5.2 本文的章节安排 | 第17-18页 |
| 第二章 乳腺超声图像分割技术 | 第18-26页 |
| 2.1 乳腺超声图像分割技术的分类和对比 | 第18-21页 |
| 2.1.1 基于阈值的分割算法 | 第18页 |
| 2.1.2 基于聚类的分割算法 | 第18页 |
| 2.1.3 基于分水岭的分割算法 | 第18-19页 |
| 2.1.4 活动轮廓模型 | 第19页 |
| 2.1.5 马尔科夫随机场 | 第19页 |
| 2.1.6 神经网络 | 第19页 |
| 2.1.7 基于图论的分割算法 | 第19-20页 |
| 2.1.8 不同乳腺超声图像分割算法的对比 | 第20-21页 |
| 2.2 对比算法简介 | 第21-23页 |
| 2.2.1 DRLSE图像分割算法 | 第22页 |
| 2.2.2 MSGC图像分割算法 | 第22-23页 |
| 2.3 多目标PSO算法概述 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于图论的乳腺超声图像分割技术 | 第26-41页 |
| 3.1 RGB乳腺超声图像分割算法 | 第26-32页 |
| 3.1.1 图像去噪 | 第26-28页 |
| 3.1.2 构图 | 第28页 |
| 3.1.3 区域对比准则 | 第28-31页 |
| 3.1.4 区域融合和信息更新 | 第31页 |
| 3.1.5 RGB乳腺超声图像分割算法的具体步骤 | 第31-32页 |
| 3.2 PAORGB乳腺超声图像分割算法 | 第32-39页 |
| 3.2.1 PSO算法概述 | 第34-36页 |
| 3.2.2 图像预处理 | 第36-37页 |
| 3.2.3 优化目标函数 | 第37-38页 |
| 3.2.4 PAORGB算法的具体步骤 | 第38-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 多目标优化的RGB乳腺超声图像分割算法 | 第41-56页 |
| 4.1 PAORGB算法的分割效果和分析讨论 | 第41-42页 |
| 4.2 图像预处理 | 第42-45页 |
| 4.2.1 截取感兴趣区域 | 第42页 |
| 4.2.2 图像去噪 | 第42-43页 |
| 4.2.3 增强对比度 | 第43-44页 |
| 4.2.4 改善均匀性 | 第44-45页 |
| 4.3 优化目标函数 | 第45-46页 |
| 4.3.1 类内方差 | 第45-46页 |
| 4.3.2 平均梯度 | 第46页 |
| 4.4 个体极值和全局极值的更新 | 第46-49页 |
| 4.4.1 方法一 | 第47-48页 |
| 4.4.2 方法二 | 第48-49页 |
| 4.5 图像后处理 | 第49-51页 |
| 4.6 参数设置和结束条件的改进 | 第51页 |
| 4.7 MOORGB算法的具体步骤 | 第51-54页 |
| 4.8 MOORGB算法的创新点 | 第54页 |
| 4.9 本章小结 | 第54-56页 |
| 第五章 实验结果与分析结论 | 第56-74页 |
| 5.1 定量评价指标 | 第56-58页 |
| 5.1.1 平均径向误差 | 第57页 |
| 5.1.2 TPVF、FPVF和FNVF定量评价指标 | 第57-58页 |
| 5.2 实验结果与分析讨论 | 第58-73页 |
| 5.2.1 定性实验结果 | 第58-69页 |
| 5.2.2 定量实验结果 | 第69-71页 |
| 5.2.3 方法二中权重值对分割结果的影响 | 第71-73页 |
| 5.3 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 答辩委员会对论文的评定意见 | 第84页 |