| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题背景及意义 | 第7-8页 |
| ·脑部磁共振图像分割方法 | 第8-10页 |
| ·研究目标 | 第10-11页 |
| ·本文组织结构 | 第11-12页 |
| 第二章 三种常用的聚类算法 | 第12-26页 |
| ·仿真磁共振图像 | 第12-13页 |
| ·K均值法 | 第13页 |
| ·K均值法原理 | 第13页 |
| ·K均值法结果显示 | 第13页 |
| ·模糊C均值法 | 第13-17页 |
| ·模糊子集的基本概念 | 第14-15页 |
| ·模糊C均值法原理 | 第15-16页 |
| ·模糊C均值法在图像分割领域的应用 | 第16-17页 |
| ·模糊C均值法结果显示 | 第17页 |
| ·有限混合模型 | 第17-24页 |
| ·有限混合模型的定义 | 第18-19页 |
| ·高斯混合模型 | 第19页 |
| ·估计方法 | 第19-21页 |
| ·利用EM算法估计高斯混合模型中的参数 | 第21-24页 |
| ·利用高斯混合模型对图像进行分割 | 第24页 |
| ·基于FGM算法的结果显示 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第三章 马尔科夫随机场理论及其应用 | 第26-38页 |
| ·马尔科夫随机场理论 | 第26-31页 |
| ·图像标记 | 第26页 |
| ·邻域系统和势能 | 第26-27页 |
| ·马尔科夫随机场 | 第27-28页 |
| ·Gibbs随机场与Markov-Gibbs等效性 | 第28-29页 |
| ·MRF模型 | 第29-31页 |
| ·基于MRF的模糊C均值算法的改进 | 第31-33页 |
| ·基于MRF的FGM算法的改进 | 第33-36页 |
| ·迭代条件模式算法 | 第33-34页 |
| ·基于MRF的FGM算法的改进 | 第34-36页 |
| ·改进的FGM算法结果显示 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第四章 脑部磁共振图像分割算法评价 | 第38-48页 |
| ·图像分割结果的评价方法 | 第38-39页 |
| ·实验评价方法 | 第39-40页 |
| ·仿真磁共振图像实验结果 | 第40-43页 |
| ·仿真磁共振图像分割结果定量比较 | 第40-41页 |
| ·仿真磁共振图像分割结果讨论 | 第41-43页 |
| ·脑部磁共振图像实验结果 | 第43-47页 |
| ·利用BET工具提取脑实质 | 第43页 |
| ·脑部磁共振图像实验结果 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·论文工作总结 | 第48页 |
| ·后续工作展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间主要的研究成果 | 第56页 |