| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 基于模糊连接度的医学图像分割领域的发展现状 | 第11-14页 |
| 1.3 研究内容和主要工作 | 第14页 |
| 1.4 研究方法和技术路线 | 第14-15页 |
| 1.5 内容安排 | 第15-17页 |
| 第二章 模糊连接度理论相关介绍 | 第17-27页 |
| 2.1 关于模糊连接度的基本概念 | 第17-20页 |
| 2.1.1 模糊子集,隶属函数,模糊关系 | 第17页 |
| 2.1.2 空间元素,模糊近邻元素,模糊数字空间,隶属度场 | 第17-18页 |
| 2.1.3 模糊元素亲和度 | 第18-19页 |
| 2.1.4 路径连接度 | 第19-20页 |
| 2.1.5 模糊连接度 | 第20页 |
| 2.1.6 模糊对象抽取 | 第20页 |
| 2.2 模糊连接度计算的实现方法 | 第20-21页 |
| 2.3 模糊连接度理论框架的总体流程 | 第21-22页 |
| 2.4 模糊元素亲和度计算方法的相关改进 | 第22-25页 |
| 2.5 本文用作对比实验的方法 | 第25-26页 |
| 2.5.1 传统FC算法 | 第25页 |
| 2.5.2 AFCCC算法 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于区域生长算法和多种子点输入的模糊连接度医学图像分割算法 | 第27-48页 |
| 3.1 概述 | 第27页 |
| 3.2 预处理 | 第27-30页 |
| 3.3 种子点集的区域生长 | 第30-33页 |
| 3.4 多种子点的输入 | 第33-34页 |
| 3.5 基于分布特征的阈值分割 | 第34-39页 |
| 3.6 整体算法步骤流程 | 第39-40页 |
| 3.7 实验结果和分析 | 第40-46页 |
| 3.7.1 测试方法 | 第40-41页 |
| 3.7.2 测试结果 | 第41-46页 |
| 3.7.3 实验结论 | 第46页 |
| 3.8 本章小结 | 第46-48页 |
| 第四章 基于非对称逆布局模型的模糊连接度医学图像分割算法 | 第48-70页 |
| 4.1 概述 | 第48页 |
| 4.2 NAM算法背景 | 第48-50页 |
| 4.2.1 QSTC算法 | 第48-49页 |
| 4.2.2 BSTC算法 | 第49-50页 |
| 4.3 NAM算法 | 第50-56页 |
| 4.3.1 NAM理论 | 第50-52页 |
| 4.3.2 NAM相关概念和实现方法 | 第52-56页 |
| 4.4 基于NAM的模糊连接度医学图像分割算法 | 第56-63页 |
| 4.4.1 误差容许量的选取 | 第56-60页 |
| 4.4.2 基于NAM子模式图的模糊连接度计算过程 | 第60-63页 |
| 4.5 实验结果和分析 | 第63-68页 |
| 4.5.1 测试方法 | 第63页 |
| 4.5.2 测试结果 | 第63-68页 |
| 4.5.3 实验结论 | 第68页 |
| 4.6 本章小结 | 第68-70页 |
| 总结与展望 | 第70-73页 |
| 总结 | 第70-71页 |
| 展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |
