| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1. 图像分割的含义 | 第8-9页 |
| 1.2. 图像分割方法的分类 | 第9-13页 |
| 1.2.1. 基于像素特征的聚类算法 | 第9-11页 |
| 1.2.2. 基于区域生长的方法 | 第11-12页 |
| 1.2.3. 基于图像边缘的方法 | 第12页 |
| 1.2.4. 基于水平集的方法 | 第12-13页 |
| 1.3. 本文贡献及文章组织 | 第13-15页 |
| 第二章 水平集算法 | 第15-22页 |
| 2.1. 轮廓的演化理论 | 第15-16页 |
| 2.2. 轮廓的隐式表达 | 第16-17页 |
| 2.3. 求解过程涉及的符号距离函数和数值计算 | 第17-18页 |
| 2.3.1. 符号距离函数 | 第17-18页 |
| 2.3.2. 水平集方法的数值计算 | 第18页 |
| 2.4. 正则化水平集算法 | 第18-22页 |
| 2.4.1. 非正则水平集的重初始化 | 第18-19页 |
| 2.4.2. 距离正则化的水平集方法 | 第19-20页 |
| 2.4.3. 距离正则化水平集算法的应用 | 第20-22页 |
| 第三章 基于先验信息水平集方法的肝脏序列图像自动分割 | 第22-33页 |
| 3.1. 算法总体流程 | 第23-24页 |
| 3.2. 图像前期处理 | 第24-25页 |
| 3.3. 肝脏的初分割 | 第25-27页 |
| 3.3.1. 第一次区域生长 | 第25页 |
| 3.3.2. 第二次区域生长 | 第25-27页 |
| 3.4. 先验信息构造的水平集方法 | 第27-29页 |
| 3.4.1. 先验信息构造的边缘指示器 | 第27-28页 |
| 3.4.2. 先验信息调节的正则化水平集方法 | 第28-29页 |
| 3.5. 后处理 | 第29-33页 |
| 3.5.1. 自适应边缘行进算法 | 第29-31页 |
| 3.5.2. 自适应边缘行进算法修补肝脏边缘 | 第31-33页 |
| 第四章 实验结果与分析 | 第33-40页 |
| 4.1. 评价指标与序列实验结果 | 第33-34页 |
| 4.2. 本文算法与其他算法的分割性能比较 | 第34-38页 |
| 小结 | 第38-40页 |
| 第五章 总结和展望 | 第40-42页 |
| 5.1. 本文总结 | 第40-41页 |
| 5.2. 对于研究工作的展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 攻读学位期间主要的研究成果 | 第46-47页 |
| 致谢 | 第47页 |