图像分割的水平集模型及其在医学图像分割中的应用研究
| 中文摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 医学图像分割研究的价值 | 第15页 |
| 1.3 图像分割的研究现状 | 第15-18页 |
| 1.3.1 分割模型的研究现状 | 第15-17页 |
| 1.3.2 医学图像分割模型研究现状 | 第17-18页 |
| 1.4 论文主要工作与组织结构 | 第18-22页 |
| 1.4.1 本文主要工作 | 第18-20页 |
| 1.4.2 论文的组织结构 | 第20-22页 |
| 第2章 水平集图像分割模型概述 | 第22-39页 |
| 2.1 简介 | 第22页 |
| 2.2 水平集模型 | 第22-26页 |
| 2.2.1 水平集曲线演化方程 | 第24-25页 |
| 2.2.2 变分水平集表示 | 第25-26页 |
| 2.3 主动轮廓模型 | 第26-28页 |
| 2.4 水平集几何活动轮廓模型 | 第28页 |
| 2.5 图像区域特征水平集模型 | 第28-32页 |
| 2.5.1 Mumford-Shah分割方法 | 第28-29页 |
| 2.5.2 Chan-Vese模型分割方法 | 第29-32页 |
| 2.6 基于边缘特征的水平集算法 | 第32-33页 |
| 2.7 图像边界力分割算法 | 第33-38页 |
| 2.7.1 测地线几何主动轮廓 | 第33-36页 |
| 2.7.2 实验与讨论 | 第36-38页 |
| 2.7.3 实验分析 | 第38页 |
| 2.8 本章小结 | 第38-39页 |
| 第3章 变分能量拟合水平集算法 | 第39-55页 |
| 3.1 简介 | 第39-41页 |
| 3.2 CV模型相关算法 | 第41-45页 |
| 3.2.1 变差系数CV模型 | 第41-42页 |
| 3.2.2 局部特征主动轮廓模型 | 第42-44页 |
| 3.2.3 全局特征主动轮廓模型 | 第44-45页 |
| 3.3 PM滤波变分法水平集模型 | 第45-49页 |
| 3.4 模型优化 | 第49-50页 |
| 3.5 算法实验 | 第50-54页 |
| 3.6 本章小节 | 第54-55页 |
| 第4章 梯度向量流水平集算法 | 第55-69页 |
| 4.1 简介 | 第55-56页 |
| 4 2 梯度向量场模型 | 第56-57页 |
| 4.3 水平集模型 | 第57-59页 |
| 4.4 水平集曲率演化项分割 | 第59-60页 |
| 4.5 分割曲线演化函数 | 第60-62页 |
| 4.5.1 曲率项作用 | 第61-62页 |
| 4.5.2 图像数据项作用 | 第62页 |
| 4.6 数值实现 | 第62-63页 |
| 4.6.1 水平集表示 | 第62页 |
| 4.6.2 演化曲线能量正则化 | 第62-63页 |
| 4.7 实验分析 | 第63-68页 |
| 4.7.1 向量场水平集算法检测图像边缘 | 第63-64页 |
| 4.7 2 曲线演化能力实验 | 第64-68页 |
| 4.8 本章小结 | 第68-69页 |
| 第5章 形态特征先验知识几何主动轮廓算法 | 第69-81页 |
| 5.1 简介 | 第69页 |
| 5.2 目标定位与初分割 | 第69-72页 |
| 5.2.1 Hough检测圆算法 | 第70-71页 |
| 5.2.2 中点圆Hough检测算法 | 第71-72页 |
| 5.3 形状统计计算 | 第72-74页 |
| 5.3.1 变分水平集模型 | 第72-73页 |
| 5.3.2 形状统计 | 第73-74页 |
| 5.3.3 协方差矩阵正则化 | 第74页 |
| 5.4 几何主动轮廓形态特征能量项 | 第74-77页 |
| 5.4.1 先验边界信息几何主动轮廓 | 第74-75页 |
| 5.4.2 先验区域信息几何主动轮廓 | 第75-76页 |
| 5.4.3 形态特征能量项 | 第76页 |
| 5.4.4 图像数据预处理 | 第76-77页 |
| 5.5 实验分析 | 第77-80页 |
| 5.5.1 MR左心室图像实验 | 第77-79页 |
| 5.5.2 算法效率分析 | 第79-80页 |
| 5.6 本章小结 | 第80-81页 |
| 第6章 基于聚类分割的几何主动轮廓算法 | 第81-93页 |
| 6.1 简介 | 第81页 |
| 6.2 K-MEANS算法 | 第81-82页 |
| 6.3 基于聚类的几何主动轮廓模型 | 第82-84页 |
| 6.4 算法优化 | 第84-86页 |
| 6.4.1 算法能量函数的离散表示 | 第84-85页 |
| 6.4.2 能量最小化优化 | 第85-86页 |
| 6.4.3 算法描述 | 第86页 |
| 6.5 实验分析 | 第86-92页 |
| 6.5.1 实验及讨论 | 第86-90页 |
| 6.5.2 噪声和非均质图像实验 | 第90-91页 |
| 6.5.3 脑部MR图像实验 | 第91-92页 |
| 6.6 本章小结 | 第92-93页 |
| 第7章 基于图优化的多相水平集分割算法 | 第93-108页 |
| 7.1 简介 | 第93页 |
| 7.2 多相水平集的分割模型 | 第93-97页 |
| 7.3 图分割的多相水平集模型 | 第97页 |
| 7.4 图表示 | 第97-100页 |
| 7.5 多相水平集模型优化 | 第100-101页 |
| 7.6 数值化分析 | 第101页 |
| 7.7 实验及分析 | 第101-107页 |
| 7.7.1 水平集演化实验 | 第101-103页 |
| 7.7.2 合成的MR图像 | 第103-107页 |
| 7.8 本章小结 | 第107-108页 |
| 第8章 总结与展望 | 第108-112页 |
| 8.1 本文工作总结 | 第108-110页 |
| 8.2 后续工作展望 | 第110-112页 |
| 参考文献 | 第112-118页 |
| 在学期间的研究成果 | 第118-120页 |
| 致谢 | 第120页 |
