首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于改进水平集方法的婴幼儿脑MR图像分割算法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 课题研究的背景与意义第10-11页
    1.2 医学图像分割方法的研究现状第11-12页
    1.3 本文研究的内容与章节安排第12-16页
第2章 水平集方法概述第16-28页
    2.1 曲线演化理论第16-19页
    2.2 水平集方法第19-23页
    2.3 水平集重新初始化的问题第23-24页
    2.4 水平集方法特点第24页
    2.5 水平集方法的分类第24-26页
    2.6 本章小结第26-28页
第3章 结合局部均值与全局均值的水平集分割算法第28-44页
    3.1 基于区域信息的CV与LBF模型第28-32页
        3.1.1 CV模型第28-30页
        3.1.2 LBF模型第30-32页
    3.2 结合局部均值与全局均值的水平集分割算法第32-36页
        3.2.1 结合局部均值与全局均值的水平集模型第32-34页
        3.2.2 结合局部均值与全局均值的四相模型第34-36页
    3.3 实验结果与分析第36-43页
        3.3.1 两相分割实验第36-39页
        3.3.2 四相分割实验第39-43页
    3.4 本章小结第43-44页
第4章 融合模糊逻辑与区域信息的水平集分割算法第44-58页
    4.1 相关水平集模型第44-48页
        4.1.1 LIC模型第44-46页
        4.1.2 模糊主动轮廓方法第46-48页
    4.2 融合模糊逻辑与区域信息的水平集分割算法第48-51页
        4.2.1 融合模糊逻辑与区域信息的水平集模型第48-50页
        4.2.2 融合模糊逻辑与区域信息的四相模型第50-51页
    4.3 实验结果与分析第51-57页
        4.3.1 两相分割实验第51-53页
        4.3.2 四相分割实验第53-57页
    4.4 本章小结第57-58页
第5章 基于先验信息与局部高斯概率的水平集分割算法第58-72页
    5.1 相关知识简介第58-63页
        5.1.1 LGDF模型第58-61页
        5.1.2 先验信息第61-63页
    5.2 基于先验信息与高斯概率的水平集分割算法第63-66页
        5.2.1 基于先验信息与局部高斯概率的水平集模型第63-65页
        5.2.2 基于先验信息与局部高斯概率的四相模型第65-66页
    5.3 实验结果与分析第66-70页
    5.4 本章小结第70-72页
第6章 总结与展望第72-74页
    6.1 总结第72-73页
    6.2 展望第73-74页
参考文献第74-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:基于脉冲超声血流速度检测的研究
下一篇:基于MR图像计算的婴幼儿脑皮层复杂度分析方法研究