基于FCM和加权ACA的脑MRI图象分割算法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7-8页 |
| ·磁共振成像的基本原理 | 第8-10页 |
| ·磁共振图像分割概述 | 第10-11页 |
| ·课题研究的主要内容 | 第11-12页 |
| ·论文的主体结构 | 第12-13页 |
| 第二章 图像分割综述 | 第13-25页 |
| ·阈值法 | 第13-18页 |
| ·直方图法 | 第14页 |
| ·基于最大熵原则的阈值分割 | 第14-15页 |
| ·最佳阈值法 | 第15-17页 |
| ·模糊阈值法 | 第17-18页 |
| ·基于边缘的分割方法 | 第18-21页 |
| ·基于一阶导数的边缘算子 | 第19-20页 |
| ·基于两阶导数的边缘算子 | 第20-21页 |
| ·分水岭算法 | 第21-22页 |
| ·神经网络分割原理 | 第22-25页 |
| ·神经网络的分类 | 第23页 |
| ·小结 | 第23-25页 |
| 第三章 FCM 聚类算法 | 第25-31页 |
| ·模糊集基本知识 | 第25-26页 |
| ·K 均值聚类算法（HCM）介绍 | 第26-27页 |
| ·模糊 C 均值 | 第27-28页 |
| ·FCM 算法的种类及应用 | 第28-31页 |
| ·传统的 FCM 算法 | 第29-31页 |
| 第四章 蚁群算法 | 第31-40页 |
| ·基本原理 | 第31-32页 |
| ·蚁群个体的运动规则 | 第32-33页 |
| ·算法的实现 | 第33-34页 |
| ·基本蚁群的优缺点 | 第34-35页 |
| ·基本蚁群算法的最优参数搜寻步骤 | 第35-36页 |
| ·改进的蚁群算法 | 第36-40页 |
| ·最大最小蚁群系统 | 第37-38页 |
| ·多重蚁群算法 | 第38页 |
| ·自适应蚁群算法 | 第38-39页 |
| ·蚁群算法的收敛性研究 | 第39-40页 |
| 第五章 实验与结果分析 | 第40-49页 |
| ·磁共振图像噪声处理 | 第40-42页 |
| ·磁共振噪声估计 | 第40-41页 |
| ·去噪实验步骤及结果分析 | 第41-42页 |
| ·局部图像模型 | 第42-44页 |
| ·蚁群算法的改进 | 第44-45页 |
| ·实验过程及步骤 | 第45-46页 |
| ·参数的选取 | 第46-47页 |
| ·分割试验结果与分析 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56页 |
