面向医学应用的纹理图像分割方法研究
| 第一章 绪论 | 第1-12页 |
| 1-1 课题的意义 | 第7页 |
| 1-2 基于内容的图像检索(CBIR)技术 | 第7-11页 |
| 1-2-1 CBIR系统简介 | 第7-8页 |
| 1-2-2 基于内容的图像检索技术 | 第8-10页 |
| 1-2-3 CBIR在医学图像库中的引用 | 第10-11页 |
| 1-3 本课题的工作及内容安排 | 第11-12页 |
| 第二章 图像分割方法概述 | 第12-25页 |
| 2-1 数据驱动的分割方法 | 第13-19页 |
| 2-1-1 基于边缘检测的图像分割 | 第13-14页 |
| 2-1-2 基于区域的图像分割 | 第14-19页 |
| 2-1-3 边缘与区域相结合的图像分割 | 第19页 |
| 2-2 模型驱动的图像分割 | 第19-22页 |
| 2-2-1 基于Snakes模型的图像分割 | 第20页 |
| 2-2-2 基于优化组合模型的图像分割 | 第20-21页 |
| 2-2-3 基于目标几何与统计模型的图像分割 | 第21-22页 |
| 2-3 图像分割中的物理模型与随机场模型 | 第22-23页 |
| 2-3-1 图像分割中的物理模型 | 第22页 |
| 2-3-2 图像分割中的随机场模型 | 第22-23页 |
| 2-4 图像分割在生物医学工程中的应用 | 第23-24页 |
| 2-5 小结 | 第24-25页 |
| 第三章 结合纹理信息的图像分割方法 | 第25-38页 |
| 3-1 纹理特征提取及分割方法研究 | 第25-29页 |
| 3-1-1 基于特征值的纹理图像分割方法 | 第25-27页 |
| 3-1-2 基于模型的纹理图像分割方法 | 第27-28页 |
| 3-1-3 基于结构的纹理图像分割方法 | 第28-29页 |
| 3-2 医学图像纹理信息研究 | 第29-33页 |
| 3-2-1 医学图像的特点 | 第29页 |
| 3-2-2 共生矩阵的应用 | 第29-31页 |
| 3-2-3 医学图像纹理信息研究 | 第31-33页 |
| 3-3 结合灰度和纹理信息的图像分割方法 | 第33-37页 |
| 3-3-1 CT图像纹理特征提取 | 第33-35页 |
| 3-3-2 结合纹理信息的图像分割方法描述 | 第35-37页 |
| 3-4 小结 | 第37-38页 |
| 第四章 纹理图像分割算法实现及实验结果 | 第38-48页 |
| 4-1 算法设计及流程 | 第38-40页 |
| 4-1-1 区域增长算法的步骤 | 第38页 |
| 4-1-2 算法流程图 | 第38-40页 |
| 4-2 算法实现 | 第40-44页 |
| 4-2-1 数字图像处理编程工具 | 第40页 |
| 4-2-2 灰度共生矩阵及纹理特征的计算与提取 | 第40-42页 |
| 4-2-3 区域增长算法的编程实现 | 第42-44页 |
| 4-3 实验结果及分析 | 第44-47页 |
| 4-3-1 系统功能 | 第44-45页 |
| 4-3-2 分割结果 | 第45-47页 |
| 4-3-3 试验结果分析 | 第47页 |
| 4-4 小结 | 第47-48页 |
| 第五章 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读学位期间所取得的相关科研成果 | 第53页 |
