| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-13页 |
| 插图索引 | 第13-15页 |
| 符号索引 | 第15-18页 |
| 第1章 绪论 | 第18-39页 |
| 1.1 研究背景及意义 | 第18-19页 |
| 1.2 医学成像基础 | 第19-22页 |
| 1.2.1 X射线影像 | 第19页 |
| 1.2.2 超声图像 | 第19-20页 |
| 1.2.3 磁共振成像 | 第20-21页 |
| 1.2.4 计算机断层扫描 | 第21-22页 |
| 1.3 医学图像分析 | 第22-25页 |
| 1.3.1 图像增强滤波 | 第23-24页 |
| 1.3.2 图像分割 | 第24-25页 |
| 1.4 偏微分方程的图像处理技术 | 第25-34页 |
| 1.4.1 基于偏微分方程的图像增强滤波 | 第25-28页 |
| 1.4.2 基于主动轮廓线的图像分割 | 第28-32页 |
| 1.4.3 水平集技术 | 第32-34页 |
| 1.5 研究现状 | 第34-35页 |
| 1.6 课题来源 | 第35页 |
| 1.7 需要解决的难点 | 第35-36页 |
| 1.8 本课题的主要研究内容及创新 | 第36-39页 |
| 1.8.1 主要研究内容 | 第36-37页 |
| 1.8.2 主要创新点 | 第37-39页 |
| 第2章 超声图像的各向异性滤波方法 | 第39-64页 |
| 2.1 引言 | 第39页 |
| 2.2 超声斑点噪声模型 | 第39-40页 |
| 2.3 几种超声斑点噪声滤波器 | 第40-44页 |
| 2.3.1 基于局部统计的超声斑点滤波 | 第40-42页 |
| 2.3.2 扩散滤波器 | 第42-44页 |
| 2.4 各向异性斑点噪声扩散 | 第44-49页 |
| 2.4.1 SRAD滤波器 | 第44页 |
| 2.4.2 瞬态方差系数q | 第44-46页 |
| 2.4.3 SRAD的缺陷 | 第46-49页 |
| 2.5 新的各向异性斑点噪声滤波 | 第49-56页 |
| 2.5.1 模型的提出 | 第49-50页 |
| 2.5.2 扩散系数 | 第50-52页 |
| 2.5.3 同质区域尺度控制比率β的分析 | 第52页 |
| 2.5.4 速度控制系数κ的分析 | 第52-53页 |
| 2.5.5 离散与计算 | 第53-56页 |
| 2.6 仿真图像与超声图像实验 | 第56-62页 |
| 2.6.1 仿真试验 | 第56-60页 |
| 2.6.2 超声图像实验 | 第60-62页 |
| 2.7 本章小结 | 第62-64页 |
| 第3章 基于层级分裂主动轮廓线模型的医学图像分割 | 第64-84页 |
| 3.1 引言 | 第64页 |
| 3.2 Mumford-Shah模型 | 第64-65页 |
| 3.3 Chan-Vese分割模型 | 第65-67页 |
| 3.4 多相Chan-Vese分割模型 | 第67-68页 |
| 3.5 Chan-Vese层级分裂分割模型 | 第68-70页 |
| 3.6 基于水平集技术求解 | 第70-76页 |
| 3.6.1 水平集求解方程 | 第70-73页 |
| 3.6.2 水平集求解过程中的关键问题 | 第73-74页 |
| 3.6.3 计算步骤 | 第74-76页 |
| 3.7 仿真与试验 | 第76-83页 |
| 3.8 本章小结 | 第83-84页 |
| 第4章 边界与区域耦合的模糊主动轮廓线模型 | 第84-109页 |
| 4.1 引言 | 第84-85页 |
| 4.2 基于边界的图像分割 | 第85页 |
| 4.3 基于区域的图像分割 | 第85-86页 |
| 4.4 耦合边界与区域的图像分割 | 第86-88页 |
| 4.5 边界与区域耦合的模糊主动轮廓线图像分割 | 第88-104页 |
| 4.5.1 模糊聚类理论的基本知识 | 第88页 |
| 4.5.2 双相图像模型 | 第88-92页 |
| 4.5.3 常化模型 | 第92-94页 |
| 4.5.4 水平集数值求解 | 第94-95页 |
| 4.5.5 计算与实现 | 第95-98页 |
| 4.5.6 仿真与实验 | 第98-104页 |
| 4.6 边界与区域耦合的模糊主动轮廓线图像跟踪 | 第104-108页 |
| 4.6.1 模型的提出 | 第105-107页 |
| 4.6.3 跟踪实验 | 第107-108页 |
| 4.7 本章小结 | 第108-109页 |
| 第5章 梯度向量场驱动的3D血管图像增强与分割 | 第109-131页 |
| 5.1 引言 | 第109-110页 |
| 5.2 Hessian矩阵形状识别基本原理 | 第110-111页 |
| 5.3 多尺度血管增强滤波 | 第111-114页 |
| 5.3.1 Frangi血管增强似然函数 | 第111-112页 |
| 5.3.2 基于张量正交分解的血管增强似然函数 | 第112-114页 |
| 5.3.3 多尺度集成 | 第114页 |
| 5.4 改进的梯度向量场扩散血管增强 | 第114-125页 |
| 5.4.1 梯度向量场理论 | 第114-115页 |
| 5.4.2 梯度向量场扩散的特征保留 | 第115-116页 |
| 5.4.3 传统GVF扩散模型 | 第116页 |
| 5.4.4 改进的GVF扩散模型 | 第116-119页 |
| 5.4.5 计算与实现 | 第119-121页 |
| 5.4.6 血管图像增强仿真实验与真实血管图像增强实验 | 第121-125页 |
| 5.5 融合最大通量(Maxiumum Flux)模型的水平集血管图像分割 | 第125-127页 |
| 5.5.1 最大通量模型 | 第125页 |
| 5.5.2 水平集框架下的3D血管图像分割 | 第125-126页 |
| 5.5.3 数学计算 | 第126-127页 |
| 5.6 3D血管增强滤波与分割流程 | 第127-128页 |
| 5.7 分割实验结果 | 第128-129页 |
| 5.8 本章小结 | 第129-131页 |
| 工作总结与展望 | 第131-135页 |
| 工作总结 | 第131-133页 |
| 工作展望 | 第133-135页 |
| 参考文献 | 第135-146页 |
| 致谢 | 第146-147页 |
| 附录A 攻读博士学位期间完成的学术研究论文 | 第147-148页 |
| 附录B 攻读博士学位期间参与的科研项目 | 第148页 |