| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文研究内容以及创新点 | 第14-16页 |
| 第2章 基于图像分割的聚类方法分析 | 第16-28页 |
| 2.1 图像分割 | 第16-18页 |
| 2.1.1 图像分割方法的分类 | 第16-17页 |
| 2.1.2 基于聚类的图像分割 | 第17-18页 |
| 2.2 聚类分析 | 第18-22页 |
| 2.2.1 聚类的原理分析 | 第19-20页 |
| 2.2.2 聚类分析的方法 | 第20-22页 |
| 2.3 K-means算法 | 第22-28页 |
| 2.3.1 K-means算法的基本思想 | 第22-24页 |
| 2.3.2 K-means算法的基本流程 | 第24-25页 |
| 2.3.3 K-means的改进与发展 | 第25-28页 |
| 第3章 一种改进的自适应聚类数量的k-means算法 | 第28-40页 |
| 3.1 引言 | 第28-29页 |
| 3.2 改进的k-means算法流程 | 第29-32页 |
| 3.2.1 迭代聚类数k | 第29-30页 |
| 3.2.2 搜索初始聚类中心 | 第30页 |
| 3.2.3 K-means算法的聚类过程 | 第30-31页 |
| 3.2.4 最优化准则 | 第31-32页 |
| 3.3 结果与讨论 | 第32-39页 |
| 3.3.1 分割图像的实验分析 | 第32-34页 |
| 3.3.2 多幅图像验证 | 第34-36页 |
| 3.3.3 定量评估验证指标 | 第36-38页 |
| 3.3.4 效率分析 | 第38-39页 |
| 3.4 结论 | 第39-40页 |
| 第4章 医学图像分割的研究现状 | 第40-46页 |
| 4.1 医学图像的形成与特征 | 第40-42页 |
| 4.1.1 医学图像采集的模式 | 第40-41页 |
| 4.1.2 医学图像的特征 | 第41页 |
| 4.1.3 脑部MRI图像 | 第41-42页 |
| 4.2 MRI图像分割的常用方法 | 第42-46页 |
| 4.2.1 基于阈值的方法 | 第42-43页 |
| 4.2.2 基于区域的方法 | 第43-44页 |
| 4.2.3 聚类和分类方法 | 第44页 |
| 4.2.4 可变形的模型方法 | 第44-46页 |
| 第5章 改进的聚类算法在MRI脑部图像分割上的应用 | 第46-58页 |
| 5.1 引言 | 第46-47页 |
| 5.2 一种自适应的聚类算法 | 第47-49页 |
| 5.2.1 校正偏移场 | 第47-48页 |
| 5.2.2 改进的k-means算法 | 第48-49页 |
| 5.2.3 确定聚类的数目 | 第49页 |
| 5.3 结果与讨论 | 第49-55页 |
| 5.3.1 分类结果 | 第49-51页 |
| 5.3.2 几种评价标准的比较 | 第51-53页 |
| 5.3.3 分割图像的质量评估 | 第53-55页 |
| 5.3.4 方法的应用前景 | 第55页 |
| 5.4 结论 | 第55-58页 |
| 第6章 总结与期望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-68页 |
| 致谢 | 第68-70页 |
| 在学期间主要科研成果 | 第70页 |
| 一、发表学术论文 | 第70页 |
| 二、获奖情况 | 第70页 |