| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 前言 | 第9-15页 |
| 1.1 图像分割研究背景及意义 | 第9-10页 |
| 1.2 医学影像分割技术的发展及现状 | 第10-13页 |
| 1.3 稀疏表示与信号除噪 | 第13页 |
| 1.4 本文主要成果及内容安排 | 第13-15页 |
| 第2章 基于改进的主动轮廓模型的医学影像分割算法 | 第15-25页 |
| 2.1 主动轮廓模型 | 第15-18页 |
| 2.1.1 原始主动轮廓模型 | 第15-16页 |
| 2.1.2 气球力模型 | 第16页 |
| 2.1.3 梯度矢量流主动轮廓模型 | 第16-17页 |
| 2.1.4 初始曲线的确定 | 第17-18页 |
| 2.2 新的初始轮廓设定方法 | 第18-24页 |
| 2.2.1 基本方法 | 第18-19页 |
| 2.2.2 三种边缘点检测 | 第19-20页 |
| 2.2.3 实验仿真分析 | 第20-24页 |
| 2.3 结论 | 第24-25页 |
| 第3章 基于改进的水平集的医学影像分割算法研究 | 第25-47页 |
| 3.1 传统水平集算法 | 第25-26页 |
| 3.2 Li 模型及其改进算法 | 第26-32页 |
| 3.2.1 Li 模型 | 第26-27页 |
| 3.2.2 Li 模型的改进 | 第27-28页 |
| 3.2.3 实验仿真分析 | 第28-32页 |
| 3.3 新的初始水平集的设置方法 | 第32-45页 |
| 3.3.1 M-S 分割算法 | 第32-33页 |
| 3.3.2 C-V 分割算法 | 第33-35页 |
| 3.3.3 C-V 算法的改进方法 | 第35-41页 |
| 3.3.4 三维医学影像分割 | 第41-45页 |
| 3.4 结论 | 第45-47页 |
| 第4章 基于稀疏表示的医学图像滤波算法研究 | 第47-55页 |
| 4.1 稀疏表示理论简介 | 第47-50页 |
| 4.2 K-SVD 去噪方法 | 第50-51页 |
| 4.3 K-SVD 改进方法 | 第51-54页 |
| 4.3.1 对普通图像 K-SVD 滤波后的去模糊处理 | 第51-52页 |
| 4.3.2 对医学图像 K-SVD 滤波后的去模糊处理 | 第52-54页 |
| 4.4 结论 | 第54-55页 |
| 全文总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的学术成果 | 第61-62页 |
| 致谢 | 第62页 |