首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

三维医学图像分割及血管显影增强术研究

摘要第1-5页
ABSTRACT第5-9页
第一章 绪论第9-20页
   ·CT 机工作原理简介第9-10页
   ·CT 成像技术的数学原理第10-14页
     ·投影原理第10-12页
     ·图像的重建第12-14页
   ·CT 图像的表示第14-17页
     ·图像大小和分辨率第14页
     ·CT 的X 光衰减值第14-17页
   ·由GE Medical Systems 提供的CT 图像的预处理及分析第17-20页
     ·数据的预处理第17-19页
     ·数据分析第19-20页
第二章 基于马尔可夫随机域理论的粗分割第20-33页
   ·图像分割方法回顾第20-21页
   ·MRF-EM 算法用于图像分割第21-30页
     ·空域信息和三维邻域系统第21-24页
     ·马尔可夫随机域理论和MRF-MAP 分类第24-27页
     ·马尔可夫随机域理论和期望最大化算法的结合第27-30页
   ·MRF-EM 算法作用在实际数据上的结果第30-32页
     ·灰度直方图和参数初始化第30-31页
     ·计算结果第31-32页
   ·结论第32-33页
第三章 粗分割结果的精细分割第33-45页
   ·一些重要的形态学算子第33-36页
     ·一些基本定义第33-34页
     ·膨胀第34页
     ·腐蚀第34-35页
     ·开操作第35页
     ·闭操作第35-36页
   ·区域增长第36-38页
     ·“种子点”的选择第37-38页
     ·区域增长准则和终止条件第38页
   ·CT 图像精细分割的步骤和结果第38-43页
   ·最终分割结果第43-45页
第四章 三维数据成像及血管显影增强第45-65页
   ·最大密度投影算法简介第45-47页
   ·混合高斯滤波算法第47-49页
   ·局部最大平均值算法第49-52页
     ·局部最大平均值第50-51页
     ·将LMM 数据的 MIP 与原始数据的 MIP 相结合第51-52页
   ·利用 Hessian 矩阵特征值的算法第52-58页
     ·特征值算法的数学依据第53-55页
     ·特征值算法的实现第55-56页
     ·将特征值算法作用于实际数据块的结果第56-58页
   ·血管增强算法的性能测试和比较第58-65页
     ·三维图像VTNR 和 CNR 的定义第59页
     ·血管探测概率和血管丢失概率第59-60页
     ·血管错判概率第60页
     ·对比度-噪声比(CNR)第60页
     ·性能评测和结果观察第60-65页
第五章 工作总结与展望第65-66页
 工作总结第65页
 工作展望第65-66页
致谢第66-67页
参考文献第67-68页

论文共68页,点击 下载论文
上一篇:基于商业生态系统的团队效能评价模型研究
下一篇:基于DSP的雾天视频处理系统