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

基于水平集的医学超声图像分割方法研究

摘要第1-5页
ABSTRACT第5-11页
第一章 绪论第11-23页
   ·图像分割的应用第11-12页
   ·医学超声图像分割的意义第12-13页
   ·超声成像的特点第13-14页
   ·医学超声图像的分割现状第14-19页
     ·医学超声图像分割的困难第14-15页
     ·医学超声图像分割的主要方法第15-19页
   ·医学超声图像分割的评价方法第19-20页
   ·本文的主要研究工作安排第20-23页
第二章 本文相关算法理论第23-35页
   ·水平集方法概论第23-27页
   ·数学形态学原理第27-29页
   ·C-V模型算法第29-31页
   ·核模糊C均值聚类算法第31-34页
   ·本章小结第34-35页
第三章 基于数学形态学的水平集医学超声图像分割第35-45页
   ·引言第35页
   ·形态学梯度算子第35-38页
     ·传统形态学梯度算子第35-36页
     ·改进的形态学梯度算子第36-38页
   ·梯度向量流第38-41页
     ·传统梯度向量流第38-40页
     ·形态学梯度向量流第40-41页
   ·分割算法的实现过程第41页
   ·分割算法的仿真结果分析第41-43页
   ·本章小结第43-45页
第四章 基于改进C-V模型的水平集医学超声图像分割第45-53页
   ·引言第45页
   ·加强中值滤波预处理第45-46页
   ·改进C-V模型第46-47页
   ·分割算法的仿真结果分析第47-51页
     ·预处理结果分析第47-48页
     ·初始曲线φ_0的选取及分割性能分析第48-51页
   ·本章小结第51-53页
第五章 基于核模糊C均值聚类的水平集医学超声图像分割第53-65页
   ·引言第53-54页
   ·选取KFCM的聚类数第54-56页
   ·选取KFCM的聚类中心初始点第56-57页
   ·选取KFCM的聚类加权指数第57-58页
   ·选取KFCM的聚类核函数第58-59页
   ·采用核模糊C均值聚类结合水平集演化获取粗边界第59-60页
   ·利用梯度向量流进行边界细化第60-61页
   ·分割算法的仿真结果分析第61-63页
   ·本章小结第63-65页
第六章 总结与展望第65-69页
参考文献第69-77页
攻读硕士学位期间发表的论文目录第77-79页
致谢第79-81页

论文共81页,点击 下载论文
上一篇:基于图像处理的大输液中可见异物检测方法研究
下一篇:多目标优化设计在数据挖掘中的研究与应用