| 摘要 | 第1-9页 |
| ABSTRACT | 第9-12页 |
| 致谢 | 第12-13页 |
| 目录 | 第13-15页 |
| 插图清单 | 第15-17页 |
| 表格清单 | 第17-18页 |
| 第一章 绪论 | 第18-28页 |
| ·课题研究背景及意义 | 第18-19页 |
| ·国内外研究概述 | 第19-26页 |
| ·医学图像分割概述 | 第19-23页 |
| ·医学图像配准概述 | 第23-24页 |
| ·稀疏表示方法概述 | 第24-26页 |
| ·本文研究内容与结构安排 | 第26-28页 |
| 第二章 统计相似度特征医学图像分割 | 第28-42页 |
| ·相关工作 | 第28-29页 |
| ·局部统计相似度特征 | 第29-31页 |
| ·图像局部灰度分布估计 | 第29-30页 |
| ·相似度度量 | 第30-31页 |
| ·基于局部统计相似度特征的分割算法 | 第31-35页 |
| ·改进测地线主动轮廓模型 | 第31-33页 |
| ·改进图切分模型 | 第33-35页 |
| ·多模态自适应的膝关节MRI序列分割 | 第35-37页 |
| ·实验结果与分析 | 第37-39页 |
| ·本章小结 | 第39-42页 |
| 第三章 基于LBP纹理特征的随机游走图像分割 | 第42-54页 |
| ·相关工作 | 第42-43页 |
| ·多标号随机游走 | 第43-44页 |
| ·基于LBP图的随机游走分割模型 | 第44-48页 |
| ·LBP图的特征提取 | 第44-46页 |
| ·基于LBP图构造权值矩阵W_(ij) | 第46-47页 |
| ·通过灰度先验构造权值W_i~F和W_j~B | 第47页 |
| ·算法流程 | 第47-48页 |
| ·实验结果与分析 | 第48-53页 |
| ·各模型参数对分割结果的影响 | 第48-50页 |
| ·区域和边界的量化评价标准 | 第50页 |
| ·纹理图像分割 | 第50-52页 |
| ·医学图像分割 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 基于稀疏表示分类的前列腺磁共振图像分割 | 第54-68页 |
| ·相关工作 | 第54-56页 |
| ·分布式判别字典学习算法 | 第56-60页 |
| ·问题描述 | 第56-57页 |
| ·结合mRMR特征选择的稀疏字典学习 | 第57-58页 |
| ·结合线性判别分析与稀疏表示分类 | 第58-59页 |
| ·分布式字典学习 | 第59-60页 |
| ·基于分布式判别字典学习的形变模型分割 | 第60-64页 |
| ·模型描述 | 第61-63页 |
| ·优化策略 | 第63页 |
| ·分割策略 | 第63-64页 |
| ·实验结果与分析 | 第64-66页 |
| ·实验数据和参数设置 | 第64页 |
| ·分割评价标准 | 第64页 |
| ·实验结果 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 基于稀疏约束的层次式图像匹配算法 | 第68-86页 |
| ·相关工作 | 第68-69页 |
| ·经典图匹配算法分析 | 第69-71页 |
| ·层次式稀疏图匹配算法 | 第71-75页 |
| ·关联矩阵构造 | 第72页 |
| ·稀疏约束 | 第72-73页 |
| ·稀疏图匹配能量函数构造 | 第73页 |
| ·稀疏图匹配能量函数优化 | 第73-74页 |
| ·层次式稀疏图匹配算法 | 第74-75页 |
| ·层次式稀疏图匹配算法的医学应用 | 第75-76页 |
| ·实验结果与分析 | 第76-83页 |
| ·评估HSGM方法各组成部分 | 第76-79页 |
| ·合成数据实验结果 | 第79-80页 |
| ·手部X光图像实验结果 | 第80-82页 |
| ·实验分析 | 第82-83页 |
| ·本章小结 | 第83-86页 |
| 第六章 总结与展望 | 第86-90页 |
| ·本文工作总结 | 第86-87页 |
| ·研究工作展望 | 第87-90页 |
| 附录 | 第90-92页 |
| 附录A. 基于局部统计相似度特征的主动轮廓模型演化方程推导 | 第90-92页 |
| 参考文献 | 第92-104页 |
| 攻读博士学位期间发表或录用的论文 | 第104-106页 |