| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 超声图像处理的目的与意义 | 第10-11页 |
| 1.2 超声图像分割技术与研究进展 | 第11-13页 |
| 1.3 本文的研究内容与章节安排 | 第13-15页 |
| 第二章 分割算法的总体方案及图像预处理 | 第15-24页 |
| 2.1 分割算法的总体方案 | 第15-17页 |
| 2.2 图像预处理 | 第17-22页 |
| 2.2.1 超声图像去噪处理 | 第17-19页 |
| 2.2.2 SLIC超像素分割 | 第19-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 基于稀疏重建的种子点自动选取算法 | 第24-37页 |
| 3.1 超像素的特征提取 | 第25-26页 |
| 3.2 背景字典的构造 | 第26-28页 |
| 3.3 超像素的稀疏重建 | 第28-32页 |
| 3.3.1 稀疏表示理论简介 | 第28-30页 |
| 3.3.2 稀疏重建 | 第30-32页 |
| 3.4 选取种子点 | 第32-33页 |
| 3.5 实验结果与分析 | 第33-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 基于能量约束的区域增长算法 | 第37-47页 |
| 4.1 Snake算法最小化能量函数模型 | 第37-39页 |
| 4.2 基于能量约束的区域增长算法 | 第39-46页 |
| 4.2.1 图的构建 | 第39-41页 |
| 4.2.2 能量函数的设计 | 第41-44页 |
| 4.2.2.1 点差异度、内部差异度与边缘对比度的定义 | 第41-42页 |
| 4.2.2.2 能量函数的定义 | 第42-44页 |
| 4.2.3 区域增长过程 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 实验结果与分析 | 第47-58页 |
| 5.1 分割算法的准确度评估函数与指标 | 第47-49页 |
| 5.1.1 TPVF、FPVF与FNVF指标 | 第48-49页 |
| 5.1.2 平均径向误差（ARE）指标 | 第49页 |
| 5.2 对比算法简介 | 第49-53页 |
| 5.2.1 K-means | 第49-50页 |
| 5.2.2 Fuzzy C-Means | 第50-51页 |
| 5.2.3 RGB | 第51-52页 |
| 5.2.4 GVF | 第52-53页 |
| 5.3 实验结果与分析 | 第53-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |