| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·图像分割的数学描述 | 第9-10页 |
| ·脑核磁共振图像 | 第10-11页 |
| ·本文的研究工作及其内容安排 | 第11-13页 |
| 2 医学图像分割方法概述 | 第13-22页 |
| ·图像分割简介 | 第13-14页 |
| ·基于区域的分割方法 | 第14-15页 |
| ·基于边界的分割方法 | 第15-17页 |
| ·基于分类的分割方法 | 第17-19页 |
| ·其他分割方法 | 第19-22页 |
| 3 一种改进的粒子群算法 | 第22-41页 |
| ·引言 | 第22页 |
| ·粒子群算法原理及研究状况 | 第22-30页 |
| ·粒子群算法概述 | 第22-23页 |
| ·基本粒子群算法 | 第23-27页 |
| ·带惯性因子的粒子群算法 | 第27页 |
| ·引入收缩因子的粒子群算法 | 第27-28页 |
| ·粒子群算法的研究状况 | 第28-30页 |
| ·粒子群算法的实验设计 | 第30-31页 |
| ·一种改进的粒子群算法 | 第31-34页 |
| ·实验设置、结果与分析 | 第34-40页 |
| ·小结 | 第40-41页 |
| 4 一种基于改进PSO的模糊 C-均值聚类脑核磁共振图像分割方法 | 第41-61页 |
| ·引言 | 第41页 |
| ·模糊C-均值聚类算法原理及研究状况 | 第41-48页 |
| ·模糊数学概述 | 第41-42页 |
| ·模糊C-均值聚类算法 | 第42-46页 |
| ·模糊C-均值聚类算法研究 | 第46-48页 |
| ·偏移场模型 | 第48-49页 |
| ·基于改进PSO的模糊C-均值聚类脑核磁共振图像分割 | 第49-53页 |
| ·聚类中心的选取 | 第49页 |
| ·引入像素的邻域信息 | 第49-52页 |
| ·一种基于改进PSO的模糊C-均值聚类脑核磁共振图像分割方法 | 第52-53页 |
| ·实验设置、结果与分析 | 第53-60页 |
| ·小结 | 第60-61页 |
| 5 工作总结与展望 | 第61-63页 |
| ·工作总结 | 第61页 |
| ·未来研究方向 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69页 |
