| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 目录 | 第12-16页 |
| 1. 绪论 | 第16-29页 |
| ·引言 | 第16-19页 |
| ·国内外医学图像分割方法研究现状 | 第19-25页 |
| ·基于聚类的方法 | 第19页 |
| ·基于活动轮廓的方法 | 第19-23页 |
| ·参数活动轮廓的方法 | 第19-20页 |
| ·几何活动轮廓的方法 | 第20-22页 |
| ·Mumford-Shah模型 | 第22-23页 |
| ·活动表面模型 | 第23页 |
| ·纹理分割 | 第23-24页 |
| ·基于图论的图像分割 | 第24页 |
| ·彩色图像分割 | 第24-25页 |
| ·本文主要研究工作与创新点 | 第25-27页 |
| ·课题来源 | 第27页 |
| ·本文的主要研究工作和内容安排 | 第27-29页 |
| 2. 自适应图像恢复模型 | 第29-44页 |
| ·引言 | 第29-30页 |
| ·传统的基于偏微分方程的图像去噪模型 | 第30-35页 |
| ·基于多尺度分析理论的偏微分方程模型 | 第30-32页 |
| ·变分偏微分方程模型 | 第32-33页 |
| ·几何偏微分方程模型 | 第33-35页 |
| ·自适应彩色总偏差恢复模型 | 第35-40页 |
| ·调和项模型和CTV模型 | 第35-37页 |
| ·自适应彩色总偏差去噪模型(GCTV) | 第37-39页 |
| ·稳定的数值解法 | 第39-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 3. 自适应脑图像去壳模型 | 第44-55页 |
| ·引言 | 第44页 |
| ·各向异性扩散方程 | 第44-48页 |
| ·高斯混合模型 | 第48-49页 |
| ·脑部分割 | 第49-52页 |
| ·图像平滑 | 第49页 |
| ·直方图分析 | 第49页 |
| ·水平集模型及其改进 | 第49-52页 |
| ·准确度判断准则 | 第52页 |
| ·实验结果与分析 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 4. 基于信息熵理论的脑核磁共振图像去偏移场模型研究 | 第55-72页 |
| ·引言 | 第55-56页 |
| ·脑MR图像去壳(Skull-Stripping) | 第56-61页 |
| ·模糊非线性各向异性扩散方程 | 第56-57页 |
| ·数值解法 | 第57-59页 |
| ·直方图分析 | 第59-61页 |
| ·偏移场模型 | 第61-65页 |
| ·熵的最优化 | 第61-62页 |
| ·基于遗传算法的偏移场构造模型 | 第62-63页 |
| ·基于粒子群(PSO)的偏移场构造模型 | 第63页 |
| ·基于改进的粒子群偏移场构造模型 | 第63-65页 |
| ·实验结果与分析 | 第65-70页 |
| ·本章小结 | 第70-72页 |
| 5. 脑核磁共振图像分割模型研究 | 第72-101页 |
| ·引言 | 第72-74页 |
| ·基于高斯混合模型的活动轮廓模型脑MRI分割模型 | 第74-80页 |
| ·高斯混合模型 | 第74页 |
| ·图像灰度分布的混合统计模型 | 第74-75页 |
| ·EM算法 | 第75-76页 |
| ·粒子群算法及高斯混合模型的参数估计 | 第76-77页 |
| ·高斯混合模型的参数估计 | 第76-77页 |
| ·高斯混合模型的应用 | 第77-78页 |
| ·待分割区域的混合模型分析 | 第77-78页 |
| ·混合模型在水平集模型中的应用 | 第78页 |
| ·实验结果与分析 | 第78-80页 |
| ·小结 | 第80页 |
| ·基于多元高斯混合模型的脑MR图像分割模型 | 第80-86页 |
| ·多元信息场的构造 | 第81-83页 |
| ·去偏移场 | 第81页 |
| ·模糊各向异性扩散方程去噪 | 第81-82页 |
| ·多元信息场的构造 | 第82-83页 |
| ·基于多元信息高斯混合模型改进的水平集模型 | 第83-84页 |
| ·试验结果与分析 | 第84-86页 |
| ·小结 | 第86页 |
| ·基于各向异性吉布斯随机场的脑核磁共振图像分割模型 | 第86-92页 |
| ·基于吉布斯(Gibbs)随机场与高斯混合模型的新算法 | 第87-88页 |
| ·马尔可夫(Markov)随机场与吉布斯(Gibbs)随机场理论 | 第87页 |
| ·各向异性高斯混合模型算法(GGMM算法) | 第87-88页 |
| ·改进的各向异性高斯混合(AGGMM)模型 | 第88-89页 |
| ·实验结果与分析 | 第89-92页 |
| ·小结 | 第92页 |
| ·同时配准-分割脑MR图像的耦合变分模型 | 第92-100页 |
| ·配准-分割耦合模型 | 第92-96页 |
| ·图像配准 | 第92-94页 |
| ·配准-分割耦合模型 | 第94-96页 |
| ·数值解法 | 第96-97页 |
| ·试验结果与分析 | 第97-99页 |
| ·小结 | 第99-100页 |
| ·本章小结 | 第100-101页 |
| 6. 虚拟人脑图像分割模型研究 | 第101-131页 |
| ·引言 | 第101-103页 |
| ·基于HSV颜色空间的中国虚拟人脑图像自动分割方法 | 第103-108页 |
| ·颜色空间的选择 | 第103页 |
| ·构造混合信息场 | 第103-104页 |
| ·直方图分析 | 第104-106页 |
| ·背景与目标的阈值选取 | 第104页 |
| ·脑组织精确提取 | 第104-106页 |
| ·试验结果与分析 | 第106-108页 |
| ·小结 | 第108页 |
| ·改进的C-V主动轮廓模型虚拟人脑图像分割模型 | 第108-119页 |
| ·Mumford-Shah模型 | 第108页 |
| ·C-V模型 | 第108-109页 |
| ·模型求解 | 第109-110页 |
| ·改进的多相位C-V模型 | 第110-116页 |
| ·多相位C-V模型 | 第110-114页 |
| ·基于PCA的多相位C-V模型 | 第114-116页 |
| ·试验结果与分析 | 第116-118页 |
| ·小结 | 第118-119页 |
| ·基于改的进Mean shift算法虚拟人脑图像分割模型 | 第119-129页 |
| ·Mean shift算法 | 第120-121页 |
| ·各向异性mean shift算法 | 第121-123页 |
| ·基于异性mean shift算法虚拟人脑图像分割 | 第123-125页 |
| ·试验结果与分析 | 第125-129页 |
| ·小结 | 第129页 |
| ·本章小结 | 第129-131页 |
| 7. 结束语 | 第131-134页 |
| ·本文工作总结 | 第131-133页 |
| ·将来的工作 | 第133-134页 |
| 致谢 | 第134-135页 |
| 参考文献 | 第135-149页 |
| 附录A: 参加的科研项目 | 第149-150页 |
| 附录B: 博士在读期间发表和录用的论文 | 第150-151页 |
| 附录C: 在审稿件 | 第151页 |
