基于支持向量机的医学图像处理

摘要	第1-4页
Abstract	第4-8页
1 绪论	第8-13页
·课题背景及意义	第8-10页
·医学图像分割研究的意义及国内外现状	第8-9页
·医学图像配准研究的意义及国内外现状	第9-10页
·支持向量机方法的提出和应用研究现状	第10-11页
·本文的主要研究工作	第11-13页
2 支持向量机的基本理论	第13-24页
·统计学习理论的核心内容	第13-15页
·VC维	第14页
·推广性的界	第14页
·结构风险最小化	第14-15页
·支持向量机理论	第15-24页
·支持向量机的分类算法	第15-20页
·支持向量机的多类分类问题	第20-21页
·支持向量机的回归算法	第21-22页
·最小二乘支持向量机	第22-23页
·支持向量机方法的几个主要特点	第23-24页
3 基于最小二乘支持向量机的医学图像分割研究	第24-37页
·医学图像分割方法简介	第24-26页
·基于区域的图像分割	第24-25页
·基于边缘的图像分割	第25-26页
·基于最小二乘支持向量机的医学图像分割实验	第26-35页
·样本的特征提取问题	第26-29页
·基于FCM的医学图像分割方法	第29-31页
·基于最小二乘支持向量机的医学图像分割步骤	第31-34页
·实验结果分析	第34-35页
·小结	第35-37页
4 基于最小二乘支持向量机的医学图像配准研究	第37-55页
·医学图像配准的基本理论	第37-43页
·图像配准原理	第37-39页
·医学图像配准类型	第39-40页
·医学图像配准的主要方法	第40-42页
·医学图像配准步骤	第42-43页
·基于最小二乘支持向量机的医学图像配准实验	第43-47页
·基于最小二乘支持向量机的医学图像配准思想的提出	第43-44页
·具体的实验步骤	第44-46页
·实验结果分析	第46-47页
·基于最大互信息法的医学图像配准实验	第47-53页
·最大互信息原理	第47-48页
·基于最大互信息法的医学图像配准原理	第48页
·插值算法	第48-49页
·参数寻优算法	第49-52页
·实验结果分析	第52-53页
·最小二乘支持向量机和最大互信息法配准效果比较	第53-54页
·小结	第54-55页
5 总结与展望	第55-57页
·总结	第55页
·展望	第55-57页
致谢	第57-58页
参考文献	第58-61页