| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-28页 |
| ·课题背景 | 第14-15页 |
| ·医学图像的成像原理及其特点 | 第15-17页 |
| ·医学图像的成像原理 | 第15-16页 |
| ·医学图像的特点 | 第16-17页 |
| ·医学图像增强概述 | 第17-18页 |
| ·医学图像分割概述 | 第18-25页 |
| ·基于区域的分割算法 | 第18-20页 |
| ·基于边缘检测的分割技术 | 第20-21页 |
| ·基于神经网络的分割方法 | 第21-22页 |
| ·形变模型法 | 第22-25页 |
| ·本文的主要工作及内容安排 | 第25-28页 |
| ·论文的主要工作 | 第25-27页 |
| ·论文的内容安排 | 第27-28页 |
| 第2章 基于邻域的模糊增强算法 | 第28-58页 |
| ·超声图像去噪模型 | 第28-37页 |
| ·基于曲面第二基本形式的图像去噪模型 | 第29-31页 |
| ·四阶非线性扩散模型的算法分析 | 第31-33页 |
| ·图像去噪实验结果与分析 | 第33-37页 |
| ·模糊理论进行图像处理的必要性和合理性 | 第37-38页 |
| ·已有模糊增强算法分析 | 第38-39页 |
| ·基于邻域信息的边界增强算法 | 第39-43页 |
| ·基于模糊推理的多层次图像增强算法 | 第43-47页 |
| ·非线性模糊化算子 | 第43-44页 |
| ·基于图像统计特性的模糊划分 | 第44-46页 |
| ·图像的多层次模糊增强算法 | 第46-47页 |
| ·医学图像模糊增强的实验结果与分析法 | 第47-57页 |
| ·医学X-ray图像增强处理 | 第47-50页 |
| ·医学超声图像增强处理 | 第50-55页 |
| ·算法的处理效果分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第3章 基于邻域激励脉冲耦合神经网络的图像分割 | 第58-86页 |
| ·PCNN模型及其分析 | 第58-61页 |
| ·基本PCNN模型 | 第58-60页 |
| ·Fastlinking方法 | 第60-61页 |
| ·多目标脉冲耦合神经网络模型 | 第61-68页 |
| ·PCNN模型的简化 | 第61页 |
| ·PCNN模型的改进 | 第61-63页 |
| ·多目标脉冲耦合神经网络模型的β参数确定 | 第63-64页 |
| ·多目标脉冲耦合神经网络模型的算法 | 第64-65页 |
| ·实验与分析 | 第65-68页 |
| ·邻域激励脉冲耦合神经网络 | 第68-76页 |
| ·邻域激励函数 | 第68-72页 |
| ·基于邻域激励脉冲耦合神经(NIPCNN)模型的图像分割 | 第72-74页 |
| ·实验和分析 | 第74-76页 |
| ·医学图像中的应用 | 第76-84页 |
| ·核磁共振图像处理 | 第76-77页 |
| ·超声图像处理 | 第77-81页 |
| ·差异实验评估方法及结果分析 | 第81-83页 |
| ·分割算法的效果分析 | 第83-84页 |
| ·本章小结 | 第84-86页 |
| 第4章 基于ε 邻域的大背景彩色图像分割算法 | 第86-103页 |
| ·彩色多普勒超声图像血流分割问题解析 | 第86-88页 |
| ·彩色多普勒（Doplor）超声图像血流分割的意义 | 第86-88页 |
| ·彩色多普勒超声图像血流分割的目标 | 第88页 |
| ·彩色图像分割方法概述 | 第88-90页 |
| ·基于ε邻域的大背景彩色图像分割算法 | 第90-98页 |
| ·颜色相似性判定准则 | 第90-91页 |
| ·ε邻域分割算法相关定义 | 第91-97页 |
| ·ε邻域分割算法 | 第97-98页 |
| ·实验与分析 | 第98-102页 |
| ·彩色多普勒超声图像的分割 | 第98-100页 |
| ·算法的计算复杂度分析 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-113页 |
| 攻读博士学位期间发表的论文及其它成果 | 第113-115页 |
| 致谢 | 第115-116页 |
| 个人简历 | 第116页 |