基于改进多图谱融合的婴幼儿脑图像分割算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 婴幼儿脑MR图像分割难点分析 | 第13页 |
| 1.3 常用脑MR图像分割方法及国内外研究现状 | 第13-18页 |
| 1.3.1 基于统计概率模型的分割方法 | 第14页 |
| 1.3.2 聚类方法 | 第14-15页 |
| 1.3.3 形变模型方法 | 第15-16页 |
| 1.3.4 基于机器学习方法 | 第16-17页 |
| 1.3.5 基于图谱方法 | 第17-18页 |
| 1.4 本文研究内容及创新点 | 第18-19页 |
| 1.5 本文的内容安排 | 第19-22页 |
| 第2章 多图谱融合分割算法概述 | 第22-32页 |
| 2.1 多图谱融合分割算法原理 | 第22-23页 |
| 2.2 多图谱融合分割算法流程 | 第23-29页 |
| 2.2.1 图像预处理 | 第24-25页 |
| 2.2.2 图像配准 | 第25-27页 |
| 2.2.3 标签传播 | 第27-28页 |
| 2.2.4 标签融合 | 第28-29页 |
| 2.3 本章小结 | 第29-32页 |
| 第3章 基于非局部图像块的多图谱融合分割算法研究 | 第32-44页 |
| 3.1 非局部图像块理论基础 | 第32-34页 |
| 3.2 图像预处理及配准 | 第34-36页 |
| 3.2.1 图谱获取 | 第34-35页 |
| 3.2.2 图谱及目标图像预处理 | 第35页 |
| 3.2.3 图像非线性配准及标签传播 | 第35-36页 |
| 3.3 基于直方图的图像灰度分布配准 | 第36-37页 |
| 3.4 标签融合 | 第37-42页 |
| 3.4.1 相似集构建 | 第38页 |
| 3.4.2 基于图像块相似性的标签权重 | 第38-39页 |
| 3.4.3 基于稀疏表示的标签权重 | 第39-41页 |
| 3.4.4 图像块标签融合 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于纹理特征的改进图像块构造方法 | 第44-56页 |
| 4.1 LBP算子理论及方法 | 第44-46页 |
| 4.2 具有旋转不变性质的图像块 | 第46-48页 |
| 4.3 多尺度特征旋转不变图像块 | 第48-49页 |
| 4.4 实验结果及分析 | 第49-54页 |
| 4.4.1 图像块改进前后对比 | 第50-52页 |
| 4.4.2 不同参数对分割算法性能的影响 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 基于邻域纹理特征的改进相似集构造方法 | 第56-66页 |
| 5.1 纹理特征选取 | 第57-59页 |
| 5.1.1 纹理特征提取概述 | 第57-58页 |
| 5.1.2 纹理特征选取分析 | 第58-59页 |
| 5.2 改进的LBP算子 | 第59-61页 |
| 5.3 基于LBP特征的邻域选择算法 | 第61-62页 |
| 5.4 实验结果及分析 | 第62-64页 |
| 5.5 本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 本文工作总结 | 第66页 |
| 6.2 未来工作展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74页 |
