| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-26页 |
| §1-1 课题的来源及背景 | 第10-12页 |
| §1-2 数字图像处理方法介绍 | 第12-23页 |
| 1-2-1 图像滤波方法 | 第12-17页 |
| 1-2-2 图像分割方法 | 第17-21页 |
| 1-2-3 图像三维重建方法 | 第21-23页 |
| §1-3 本文的主要内容及创新点 | 第23-26页 |
| 1-3-1 本文的主要内容 | 第23-24页 |
| 1-3-2 本文的主要创新点 | 第24-26页 |
| 第二章 基于免疫适配模板滤波方法的 MRI 图像滤波 | 第26-52页 |
| §2-1 背景知识 | 第26-29页 |
| 2-1-1 MRI成像原理简介 | 第26-27页 |
| 2-1-2 MRI图像的噪声来源 | 第27-28页 |
| 2-1-3 图像噪声的基本知识 | 第28-29页 |
| §2-2 人工免疫系统原理 | 第29-41页 |
| 2-2-1 生物免疫系统 | 第29-34页 |
| 2-2-2 人工免疫系统 | 第34-41页 |
| §2-3 基于免疫适配模板滤波方法的 MRI 图像滤波 | 第41-50页 |
| 2-3-1 MRI图像数据来源 | 第42页 |
| 2-3-2 适配模板滤波算法 | 第42-44页 |
| 2-3-3 基于免疫优化算法的适配模板滤波阈值选取 | 第44-48页 |
| 2-3-4 实验结果及分析 | 第48-50页 |
| §2-4 本章小节 | 第50-52页 |
| 第三章 基于维权重免疫支持向量机的 MRI 图像分割 | 第52-94页 |
| §3-1 图像分割的基础知识 | 第52-54页 |
| 3-1-1 图像分割的概念 | 第52-53页 |
| 3-1-2 图像分割技术的类型及其特点 | 第53-54页 |
| §3-2 统计学习理论与支持向量机 | 第54-72页 |
| 3-2-1 机器学习的基本问题和方法 | 第55-59页 |
| 3-2-2 统计学习理论 | 第59-62页 |
| 3-2-3 支持向量机 | 第62-72页 |
| §3-3 MRI 图像数据预处理 | 第72-77页 |
| 3-3-1 特征向量提取 | 第72-75页 |
| 3-3-2 主成分分析 | 第75-77页 |
| §3-4 基于多分类支持向量机的 MRI 图像分割 | 第77-83页 |
| 3-4-1 多分类支持向量机 | 第77-79页 |
| 3-4-2 基于一对多策略的多分类支持向量机 | 第79-81页 |
| 3-4-3 实验结果及分析 | 第81-83页 |
| §3-5 基于维权重免疫支持向量机的 MRI 图像分割 | 第83-92页 |
| 3-5-1 免疫支持向量机 | 第83-84页 |
| 3-5-2 维权重免疫支持向量机 | 第84-88页 |
| 3-5-3 实验结果及分析 | 第88-92页 |
| §3-6 本章小结 | 第92-94页 |
| 第四章 基于免疫球型支持向量机的 MRI 图像三维重建 | 第94-104页 |
| §4-1 球形支持向量机理论 | 第94-97页 |
| §4-2 免疫球形支持向量机的图像三维建模 | 第97-99页 |
| §4-3 实验结果及分析 | 第99-103页 |
| §4-4 本章小结 | 第103-104页 |
| 第五章 总结与展望 | 第104-106页 |
| §5-1 课题的主要研究成果 | 第104-105页 |
| §5-2 研究工作展望 | 第105-106页 |
| 参考文献 | 第106-111页 |
| 致谢 | 第111-112页 |
| 攻读博士学位期间所取得的相关科研成果 | 第112页 |
