| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-11页 |
| ·脑MRI 图像分割的研究意义 | 第7-8页 |
| ·基于模糊聚类的图像分割的研究现状及发展趋势 | 第8-9页 |
| ·主要研究工作及论文结构安排 | 第9-11页 |
| 第2章 图像分割 | 第11-23页 |
| ·图像分割 | 第11页 |
| ·图像分割算法 | 第11-20页 |
| ·传统的图像分割算法 | 第11-14页 |
| ·灰度阈值分割方法 | 第12页 |
| ·边缘检测分割方法 | 第12-13页 |
| ·区域跟踪分割方法 | 第13-14页 |
| ·基于特定数学模型的图像分割算法 | 第14-20页 |
| ·基于神经网络的图像分割 | 第14页 |
| ·基于随机场理论的图像分割 | 第14-16页 |
| ·基于动态变形模型的边缘提取 | 第16-17页 |
| ·基于数学形态学的边缘检测 | 第17-18页 |
| ·基于模糊聚类分析图像分割技术 | 第18-20页 |
| ·图像分割质量评价 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第3章 脑MRI 图像成像特点分析 | 第23-30页 |
| ·脑磁共振成像 | 第23-25页 |
| ·脑MRI 图像分割算法研究中的问题 | 第25-27页 |
| ·脑MRI 成像的数学描述 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第4章 基于模糊聚类算法的脑MRI 图像分割 | 第30-42页 |
| ·基于FCM 算法的图像分割 | 第30-31页 |
| ·基于FCM 算法的脑MRI 图像分割的相关研究 | 第31-34页 |
| ·模糊权重指数m | 第32-33页 |
| ·分类数c | 第33页 |
| ·FCM 算法初始化分析 | 第33-34页 |
| ·基于高斯核函数的KFCM 算法对脑MRI 图像的分割 | 第34-37页 |
| ·KFCM 算法 | 第34-35页 |
| ·KFCM 算法对脑MRI 图像分割的仿真分析 | 第35-37页 |
| ·快速模糊聚类算法 | 第37-41页 |
| ·基于直方图统计的快速FCM 算法 | 第38页 |
| ·基于直方图信息的快速聚类（hfKFCM）算法 | 第38-41页 |
| ·小结 | 第41-42页 |
| 第5章 利用空间信息提高模糊聚类算法抗噪声性能 | 第42-62页 |
| ·对邻域距离约束的DFCM 算法 | 第42-45页 |
| ·对邻域隶属度约束的sFCMpq 算法 | 第45-47页 |
| ·IFCM 算法 | 第47-48页 |
| ·控制参数对空间信息加权的ssFCM 算法 | 第48-50页 |
| ·仿真结果与分析 | 第50-61页 |
| ·对含加性噪声的脑MRI 图像的分割仿真 | 第50-52页 |
| ·对含偏差场的脑MRI 图像的分割仿真 | 第52-56页 |
| ·对含有加性噪声和偏差场的脑MRI 图像的分割仿真 | 第56-57页 |
| ·对长春某医院MRI 设备采集的脑图像的分割仿真 | 第57-61页 |
| ·小结 | 第61-62页 |
| 第6章 结论与展望 | 第62-64页 |
| ·全文总结 | 第62页 |
| ·工作展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士期间发表的学术论文 | 第70-71页 |
| 摘要 | 第71-73页 |
| Abstract | 第73-76页 |
| 致谢 | 第76-77页 |
| 导师及作者简介 | 第77页 |