基于模糊聚类理论的脑部医学图像分割方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 医学图像分割的背景和意义 | 第11-12页 |
| 1.2 核磁共振成像技术 | 第12-14页 |
| 1.2.1 核磁共振成像原理 | 第12-13页 |
| 1.2.2 核磁共振成像的不同加权图像 | 第13-14页 |
| 1.3 医学图像分割常用方法概述 | 第14-19页 |
| 1.3.1 基于区域的分割方法 | 第15-17页 |
| 1.3.2 基于边界的分割方法 | 第17-18页 |
| 1.3.3 基于特定算法和理论工具的分割方法 | 第18-19页 |
| 1.4 本文组织结构 | 第19-21页 |
| 第二章 基于模糊聚类的图像分割算法概述 | 第21-29页 |
| 2.1 图像分割的概念 | 第21-22页 |
| 2.2 模糊理论的基础研究 | 第22-24页 |
| 2.2.1 模糊和模糊集理论 | 第22-23页 |
| 2.2.2 模糊度的基本概念 | 第23-24页 |
| 2.3 基于模糊聚类图像分割算法概述 | 第24-28页 |
| 2.3.1 传统模糊聚类图像分割算法分析 | 第24-25页 |
| 2.3.2 基于传统模糊聚类图像分割算法的改进 | 第25-27页 |
| 2.3.3 其他模糊聚类图像分割算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于空间信息的模糊聚类的强噪声脑图像分割 | 第29-42页 |
| 3.1 引言 | 第29-30页 |
| 3.2 改进的基于空间信息的模糊聚类算法 | 第30-35页 |
| 3.2.1 基于核的距离度量 | 第30-31页 |
| 3.2.2 正则化局部空间参数与隶属度惩罚项 | 第31-32页 |
| 3.2.3 改进的模糊聚类算法 | 第32-35页 |
| 3.3 实验结果与分析 | 第35-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于超像素的模糊谱聚类的脑肿瘤图像分割 | 第42-55页 |
| 4.1 引言 | 第42-43页 |
| 4.2 基于SLIC超像素特征的分割模型 | 第43-45页 |
| 4.2.1 基于超像素的分割模型 | 第43-44页 |
| 4.2.2 基于灰度直方图的统计特征 | 第44-45页 |
| 4.3 基于SLIC超像素的模糊谱聚类 | 第45-47页 |
| 4.3.1 自适应模糊参数 | 第45-46页 |
| 4.3.2 基于SLIC超像素的模糊谱聚类算法 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-53页 |
| 4.4.1 实验数据和预处理 | 第47页 |
| 4.4.2 仿真实验结果与分析 | 第47-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55-56页 |
| 5.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-65页 |
| 攻读硕士学位期间参加的科研项目 | 第65页 |
