| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-10页 |
| ·医学图像分割的发展 | 第10-11页 |
| ·本文主要研究工作及内容安排 | 第11-13页 |
| 第二章 医学图像分割方法概述 | 第13-21页 |
| ·基于分类的分割方法 | 第13-15页 |
| ·基于区域的分割方法 | 第15-16页 |
| ·基于边界的分割方法 | 第16-17页 |
| ·其它分割方法 | 第17-20页 |
| ·基于知识的分割方法 | 第17-18页 |
| ·基于人工神经网络的分割方法 | 第18页 |
| ·基于小波变换的分割方法 | 第18-19页 |
| ·基于数学形态学的分割方法 | 第19页 |
| ·基于遗传算法的分割方法 | 第19-20页 |
| ·本章小节 | 第20-21页 |
| 第三章 一种基于改进的FCM的人脑MR图像分割 | 第21-35页 |
| ·模糊数学理论简介 | 第21-23页 |
| ·聚类分析 | 第23-24页 |
| ·聚类分析简介 | 第23-24页 |
| ·聚类分析在图像分割中的应用 | 第24页 |
| ·模糊C均值聚类 | 第24-26页 |
| ·快速模糊C均值聚类分割算法 | 第26-28页 |
| ·改进的模糊C均值聚类分割算法 | 第28-34页 |
| ·初始聚类中心的选取 | 第28页 |
| ·引入像素邻域信息 | 第28-32页 |
| ·马尔可夫随机场与Gibbs分布 | 第29-31页 |
| ·算法的改进 | 第31-32页 |
| ·实验结果与分析 | 第32-34页 |
| ·本章小节 | 第34-35页 |
| 第四章 一种基于高斯混合模型的人脑MR图像分割算法 | 第35-53页 |
| ·图像的局部预处理 | 第35-39页 |
| ·均值滤波 | 第35-37页 |
| ·中值滤波 | 第37页 |
| ·改进的滤波算法 | 第37-39页 |
| ·脑部图像分割 | 第39-50页 |
| ·有限高斯混合模型及其参数估计 | 第39-43页 |
| ·部分符号的意义 | 第39-40页 |
| ·有限混和模型 | 第40-41页 |
| ·期望最大化算法 | 第41-42页 |
| ·有限混合模型在脑部MR图像分割中的应用 | 第42-43页 |
| ·基于模拟退火算法的粒子群优化算法及高斯混合模型参数估计 | 第43-50页 |
| ·粒子群原理及引入模拟退火思想 | 第43-48页 |
| ·混合模型的参数估计 | 第48-50页 |
| ·改进的混合模型参数估计方法在图像分割中的应用 | 第50页 |
| ·实验结果与分析 | 第50-52页 |
| ·本章小节 | 第52-53页 |
| 第五章 工作总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·未来研究方向 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读研究生期间主要研究成果 | 第58-59页 |
| 致谢 | 第59页 |