| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景、目的与意义 | 第11-12页 |
| 1.2 国内外研究现状和发展动态 | 第12-15页 |
| 1.3 本文的主要研究内容和章节安排 | 第15-17页 |
| 第2章 脑部图像预处理 | 第17-27页 |
| 2.1 图像预处理 | 第17-22页 |
| 2.1.1 直方图均衡化 | 第17-18页 |
| 2.1.2 图像平滑 | 第18-20页 |
| 2.1.3 图像锐化 | 第20-22页 |
| 2.2 脑MR图像去偏移场 | 第22-25页 |
| 2.2.1 偏移场与信息熵 | 第23页 |
| 2.2.2 基于遗传算法的去偏移场模型 | 第23-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 基于模糊Markov模型的脑部图像分割 | 第27-47页 |
| 3.1 模糊聚类分割算法 | 第27-33页 |
| 3.1.1 模糊集的引入 | 第27-28页 |
| 3.1.2 模糊集的概念及其性质 | 第28-30页 |
| 3.1.3 传统FCM分割算法 | 第30-33页 |
| 3.2 MRF分割算法 | 第33-40页 |
| 3.2.1 MRF模型的建立 | 第34-35页 |
| 3.2.2 常用的MRF模型 | 第35-37页 |
| 3.2.3 传统MRF图像分割算法 | 第37-40页 |
| 3.3 基于模糊聚类的MRF算法的改进 | 第40-43页 |
| 3.3.1 改进的模糊MRF模型 | 第40-42页 |
| 3.3.2 具体实现步骤 | 第42-43页 |
| 3.4 实验结果与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 基于水平集演化方程的改进C-V模型的脑图像分割算法 | 第47-63页 |
| 4.1 水平集方法及理论 | 第47-53页 |
| 4.1.1 水平集的引入 | 第47-49页 |
| 4.1.2 构造水平集函数方程 | 第49-50页 |
| 4.1.3 常用的水平集模型 | 第50-53页 |
| 4.2 经典C-V模型的分割算法 | 第53-56页 |
| 4.3 基于水平集演化方程的改进C-V模型分割算法 | 第56-59页 |
| 4.4 实验结果与分析 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 基于Ncut准则阈值化的脑图像分割算法 | 第63-81页 |
| 5.1 图论的基本概念与理论 | 第63-71页 |
| 5.1.1 图的基本概念 | 第63-66页 |
| 5.1.2 图论分割方法的原理及准则 | 第66-69页 |
| 5.1.3 几种常见的图论分割方法 | 第69-71页 |
| 5.2 基于Ncut准则的图像分割算法 | 第71-74页 |
| 5.3 改进的Ncut分割算法 | 第74-77页 |
| 5.3.1 最佳分割求解 | 第75-76页 |
| 5.3.2 图权值的计算 | 第76-77页 |
| 5.4 实验结果与分析 | 第77-79页 |
| 5.5 本章小结 | 第79-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 本文总结 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89页 |