| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 概述 | 第9-16页 |
| ·引言 | 第9-10页 |
| ·医学图像分割的国内外研究现状 | 第10-14页 |
| ·马尔科夫恢复和分割算法 | 第10-12页 |
| ·模糊C均值聚类算法 | 第12-13页 |
| ·证据理论 | 第13-14页 |
| ·本文的主要内容安排 | 第14-16页 |
| 第二章 马尔可夫随机场 | 第16-32页 |
| ·基于MARKOV随机场的图像模型 | 第16-18页 |
| ·一维MARKOV随机过程 | 第16-17页 |
| ·二维平面中的MARKOV随机场 | 第17-18页 |
| ·图像的概率模型 | 第18-19页 |
| ·马尔科夫场—吉布斯场 | 第19-21页 |
| ·马尔科夫场的定义 | 第19页 |
| ·马尔科夫场与吉布斯场的等效 | 第19-21页 |
| ·MRF采样 | 第21-23页 |
| ·吉布斯采样 | 第21-22页 |
| ·Metropolis算法 | 第22-23页 |
| ·求解最大概率 | 第23-26页 |
| ·以温度为参数的吉布斯分布 | 第23-24页 |
| ·模拟退火算法 | 第24-26页 |
| ·条件迭代算法 | 第26页 |
| ·几个基本的MRF | 第26-28页 |
| ·Ising模式 | 第27页 |
| ·Potts模型 | 第27-28页 |
| ·高斯马尔科夫模型 | 第28页 |
| ·应用恢复与分割 | 第28-32页 |
| ·贝叶斯框架 | 第28-29页 |
| ·用于恢复的情形 | 第29-30页 |
| ·用于分割的情形 | 第30-32页 |
| 第三章 模糊C均值聚类理论 | 第32-58页 |
| ·模糊理论 | 第32-39页 |
| ·模糊理论发展简介 | 第33-34页 |
| ·模糊集基础 | 第34-36页 |
| ·模糊理论在图像处理中的应用 | 第36-37页 |
| ·图像分割中的模糊技术 | 第37-39页 |
| ·聚类理论 | 第39-41页 |
| ·聚类分析简介 | 第39-40页 |
| ·聚类分析在图像处理中的应用 | 第40-41页 |
| ·模糊C均值聚类 | 第41-44页 |
| ·硬分类与模糊分类 | 第41-42页 |
| ·模糊C均值聚类算法简介 | 第42页 |
| ·模糊C均值聚类算法的实现 | 第42-44页 |
| ·本文提出的基于二维直方图的模糊聚类方法 | 第44-48页 |
| ·模糊C—均值算法的聚类分析 | 第45-46页 |
| ·二维直方图 | 第46-47页 |
| ·计算背景和各个组织阈值的分割阈值 | 第47-48页 |
| ·实验步骤、结果及结论 | 第48页 |
| ·结论 | 第48页 |
| ·本文提出的基于马尔科夫随机场及正态数学模型的人脑图像分割 | 第48-58页 |
| ·简介 | 第48-49页 |
| ·自动分割框架 | 第49-50页 |
| ·模拟退火 | 第50-53页 |
| ·一维直方图 | 第53页 |
| ·模糊C—均值算法的聚类算法 | 第53页 |
| ·数学模型建立 | 第53-55页 |
| ·实验结果和结论 | 第55-58页 |
| 第四章 基于D-S证据理论的FCM图像分割算法 | 第58-70页 |
| ·引言 | 第58页 |
| ·D-S证据理论简介 | 第58-64页 |
| ·基本概念 | 第59-62页 |
| ·结合多源信息的Dempster准则 | 第62页 |
| ·基本概率赋值的获取 | 第62-64页 |
| ·基于D-S证据理论的图像模糊聚类分割算法 | 第64-70页 |
| ·冗余图像的生成 | 第64-65页 |
| ·基本概率赋值的确定 | 第65-69页 |
| ·基本概率赋值的整合及图像的分割 | 第69-70页 |
| 第五章 一种脑部图像分割的探讨 | 第70-82页 |
| ·简述 | 第70页 |
| ·MRF恢复 | 第70-74页 |
| ·提取部分脑部核磁共振图像的轮廓 | 第74-76页 |
| ·MRF分割和模糊C均值分割 | 第76-80页 |
| ·证据理论对图像进行的更精确的分割 | 第80-82页 |
| 第六章 结束语 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 致谢 | 第89-90页 |
| 附录A | 第90页 |