| 第1章 绪论 | 第1-18页 |
| 1．1 引言 | 第12页 |
| 1．2 课题背景 | 第12-17页 |
| 1．2．1 超声医学的发展 | 第13-15页 |
| 1．2．2 医学超声图像处理的发展 | 第15-17页 |
| 1．3 本课题的主要研究内容 | 第17-18页 |
| 第2章 超声图像 | 第18-28页 |
| 2．1 引言 | 第18页 |
| 2．2 超声原理 | 第18-21页 |
| 2．2．1 超声诊断设备与种类 | 第18-20页 |
| 2．2．2 B超及其成像原理 | 第20-21页 |
| 2．3 超声图像的采集 | 第21-24页 |
| 2．3．1 超声图像采集系统 | 第22-23页 |
| 2．3．1．1 二维 B超成像系统 | 第22页 |
| 2．3．1．2 三维超声重建系统 | 第22-23页 |
| 2．3．2 超声图像采集 | 第23-24页 |
| 2．3．2．1 超声图像采集处理系统 | 第23-24页 |
| 2．3．2．2 超声图像采集方式 | 第24页 |
| 2．4 超声图像的特点 | 第24-27页 |
| 2．5 本章小结 | 第27-28页 |
| 第3章 超声图像预处理 | 第28-49页 |
| 3．1 引言 | 第28页 |
| 3．2 图像格式转换 | 第28-30页 |
| 3．2．1 图像文件格式 | 第28-29页 |
| 3．2．2 图像文件格式转换 | 第29-30页 |
| 3．3 超声图像增强与噪声抑制 | 第30-48页 |
| 3．3．1 B超声图像噪声分析 | 第31-32页 |
| 3．3．2 灰度变换 | 第32-35页 |
| 3．3．2．1 图像求反 | 第32-33页 |
| 3．3．2．2 线性变换 | 第33页 |
| 3．3．2．3 窗口变换 | 第33页 |
| 3．3．2．4 阈值变换 | 第33-34页 |
| 3．3．2．5 灰度拉伸 | 第34页 |
| 3．3．2．6 超声图像灰度变换实验 | 第34-35页 |
| 3．3．3 直方图处理 | 第35-39页 |
| 3．3．3．1 灰度级直方图 | 第35页 |
| 3．3．3．2 直方图均衡 | 第35-36页 |
| 3．3．3．3 自适应直方图均衡 | 第36-38页 |
| 3．3．3．4 直方图处理实验 | 第38-39页 |
| 3．3．4 平滑滤波 | 第39-44页 |
| 3．3．4．1 邻域平均 | 第40-41页 |
| 3．3．4．2 局部统计滤波 | 第41-42页 |
| 3．3．4．3 中值滤波 | 第42-43页 |
| 3．3．4．4 自适应加权中值滤波 | 第43-44页 |
| 3．3．5 锐化滤波 | 第44-48页 |
| 3．3．5．1 拉普拉斯锐化滤波 | 第45-46页 |
| 3．3．5．2 梯度锐化滤波 | 第46-48页 |
| 3．4 本章小结 | 第48-49页 |
| 第4章 医学超声图像分割技术 | 第49-57页 |
| 4．1 引言 | 第49-50页 |
| 4．2 传统图像处理领域中的医学超声图像分割 | 第50-53页 |
| 4．2．1 基于边缘检测的方法 | 第50-51页 |
| 4．2．2 基于区域生长的方法 | 第51-52页 |
| 4．2．3 其它分割技术 | 第52-53页 |
| 4．3 形变模型医学超声图像分割 | 第53-56页 |
| 4．3．1 基于动态规划模型的医学超声图像分割 | 第53页 |
| 4．3．2 基于活动轮廓模型的医学超声图像分割 | 第53-55页 |
| 4．3．3 基于水平集模型的医学超声图像分割 | 第55-56页 |
| 4．4 本章小结 | 第56-57页 |
| 第5章 医学超声图像分析与处理 | 第57-97页 |
| 5．1 引言 | 第57-58页 |
| 5．2 超声图像特征分析 | 第58-63页 |
| 5．2．1 超声图像灰度特征分析 | 第58-59页 |
| 5．2．2 超声图像纹理特征分析 | 第59-63页 |
| 5．2．2．1 超声图像纹理特征基本概念 | 第59页 |
| 5．2．2．2 超声图像纹理特征分析方法 | 第59-61页 |
| 5．2．2．3 超声图像纹理能量测量 | 第61-62页 |
| 5．2．2．4 超声图像纹理分析 | 第62-63页 |
| 5．3 边缘检测 | 第63-69页 |
| 5．3．1 超声图像边缘检测概述 | 第64页 |
| 5．3．2 Sobel边缘检测算子及其改进 | 第64-66页 |
| 5．3．3 Canoy最优边缘检测算法 | 第66-68页 |
| 5．3．4 融合Canny和Sobel 边缘检测算子进行边缘检测 | 第68-69页 |
| 5．4 区域生长 | 第69-72页 |
| 5．5 阈值分割 | 第72-77页 |
| 5．5．1 固定阈值分割 | 第72-73页 |
| 5．5．2 可变阈值分割 | 第73页 |
| 5．5．3 自适应阈值分割 | 第73-74页 |
| 5．5．4 迭带最佳阈值分割 | 第74-77页 |
| 5．6 活动轮廓模型 | 第77-87页 |
| 5．6．1 形变模型 | 第77-78页 |
| 5．6．2 活动轮廓模型 | 第78-83页 |
| 5．6．2．1 Kass的传统活动轮廓模型 | 第79-80页 |
| 5．6．2．2 Cohen的压力活动轮廓模型 | 第80-81页 |
| 5．6．2．3 距离活动轮廓模型 | 第81-82页 |
| 5．6．2．4 梯度矢量流(GVF)活动轮廓模型 | 第82页 |
| 5．6．2．5 Williams 的 Greedy snake活动轮廓模型 | 第82-83页 |
| 5．6．3 自动 Snake算法 | 第83-86页 |
| 5．6．4 自动 Snake实验结果及结论 | 第86-87页 |
| 5．7 其它分割方法探索 | 第87-93页 |
| 5．7．1 基于区域的分割方法 | 第87-91页 |
| 5．7．1．1 分裂合并方法 | 第87-89页 |
| 5．7．1．2 分类器和聚类方法 | 第89-90页 |
| 5．7．1．3 基于随机场的方法 | 第90-91页 |
| 5．7．2 基于模糊集理论的方法 | 第91页 |
| 5．7．3 基于神经网络的方法 | 第91-92页 |
| 5．7．4 基于数学形态学的方法 | 第92-93页 |
| 5．7．5 结论 | 第93页 |
| 5．8 医学超声图像分割的评价 | 第93-96页 |
| 5．8．1 评价的客观性 | 第94页 |
| 5．8．2 评价方法 | 第94-95页 |
| 5．8．3 正确分割结果数据集 | 第95-96页 |
| 5．8．4 结论 | 第96页 |
| 5．9 本章小结 | 第96-97页 |
| 结论 | 第97-99页 |
| 参考文献 | 第99-106页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第106-107页 |
| 致谢 | 第107页 |