| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 脑MR图像分割的研究背景及意义 | 第11-13页 |
| 1.2 国内外脑MR图像分割算法研究现状 | 第13-16页 |
| 1.2.1 基于形变模型的方法 | 第14-15页 |
| 1.2.2 基于随机场的方法 | 第15页 |
| 1.2.3 基于聚类的方法 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 模糊聚类算法的相关理论 | 第19-31页 |
| 2.1 模糊聚类理论 | 第19-23页 |
| 2.1.1 聚类理论 | 第19-20页 |
| 2.1.2 模糊理论 | 第20-22页 |
| 2.1.3 模糊聚类理论 | 第22-23页 |
| 2.2 模糊C-均值聚类算法 | 第23-26页 |
| 2.2.1 数据集的C划分 | 第23-24页 |
| 2.2.2 模糊C-均值聚类算法 | 第24-26页 |
| 2.3 FCM常见的几类改进算法 | 第26-30页 |
| 2.3.1 加权FCM算法 | 第27页 |
| 2.3.2 改变隶属度约束条件 | 第27-29页 |
| 2.3.3 引入核函数 | 第29-30页 |
| 2.3.4 增加惩罚项 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 结合MRF改进的FCM算法 | 第31-43页 |
| 3.1 引言 | 第31-32页 |
| 3.2 结合MRF改进的FCM算法 | 第32-36页 |
| 3.2.1 FCM模糊场 | 第32-33页 |
| 3.2.2 MRF空间约束场 | 第33-35页 |
| 3.2.3 权值α的定义与更新 | 第35页 |
| 3.2.4 联合场 | 第35-36页 |
| 3.2.5 算法步骤 | 第36页 |
| 3.3 实验结果与分析 | 第36-41页 |
| 3.3.1 实验数据 | 第36-37页 |
| 3.3.2 分割质量评价方法 | 第37页 |
| 3.3.3 实验结果 | 第37-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于全局信息改进的BCFCM算法 | 第43-55页 |
| 4.1 引言 | 第43-44页 |
| 4.2 含偏移场图像模型 | 第44页 |
| 4.3 BCFCM算法 | 第44-45页 |
| 4.4 基于BCFCM的改进算法 | 第45-48页 |
| 4.4.1 目标函数 | 第45-46页 |
| 4.4.2 参数估计 | 第46-47页 |
| 4.4.3 算法步骤 | 第47-48页 |
| 4.5 实验结果与分析 | 第48-52页 |
| 4.5.1 实验结果 | 第48-52页 |
| 4.5.2 参数分析 | 第52页 |
| 4.6 本章小结 | 第52-55页 |
| 第5章 基于非局部信息改进的CLIC算法 | 第55-69页 |
| 5.1 引言 | 第55-56页 |
| 5.2 图像模型建立 | 第56页 |
| 5.3 CLIC算法 | 第56-57页 |
| 5.4 基于CLIC的改进算法 | 第57-61页 |
| 5.4.1 目标函数 | 第58-59页 |
| 5.4.2 参数估计 | 第59-61页 |
| 5.4.3 算法步骤 | 第61页 |
| 5.5 实验结果与分析 | 第61-68页 |
| 5.5.1 参数分析 | 第61-62页 |
| 5.5.2 偏移场校正能力 | 第62-68页 |
| 5.5.3 抗噪能力 | 第68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-71页 |
| 6.1 结论 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-83页 |
| 致谢 | 第83-85页 |
| 作者攻读硕士学位期间发表的论文、专利及参与项目情况 | 第85页 |