| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 图像分割方法分类 | 第8-9页 |
| 1.3 医学图像轮廓提取及Grabcut算法研究现状 | 第9-10页 |
| 1.4 水平集方法的研究现状 | 第10页 |
| 1.5 本文的主要研究内容及论文结构 | 第10-12页 |
| 第2章 研究基础 | 第12-18页 |
| 2.1 图割方法 | 第12-13页 |
| 2.1.1 割和流 | 第12-13页 |
| 2.1.2 最大流-最小割定理 | 第13页 |
| 2.2 Grabcut算法 | 第13-17页 |
| 2.2.1 Grabcut算法原理 | 第13-14页 |
| 2.2.2 Grabcut算法流程图 | 第14-15页 |
| 2.2.3 Grabcut算法实验结果及分析 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 融合Snake的Grabcut医学细胞图像轮廓自动提取算法 | 第18-29页 |
| 3.1 Snake算法 | 第18-20页 |
| 3.1.1 Snake模型初始轮廓线的估计 | 第19页 |
| 3.1.2 传统Snake算法和融入基于区域生长的阈值分割算法的Snake模型对医学细胞图像分割效果对比及分析 | 第19-20页 |
| 3.2 本文改进融合算法的实现步骤 | 第20-23页 |
| 3.3 实验结果及分析 | 第23-26页 |
| 3.3.1 标准细胞库下医学细胞图像分割 | 第23-24页 |
| 3.3.2 实验室自采集医学细胞图像分割 | 第24-25页 |
| 3.3.3 分割算法性能评估 | 第25-26页 |
| 3.4 自适应地确定改进算法的迭代次数 | 第26-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 基于水平集理论的基本模型介绍 | 第29-38页 |
| 4.1 曲线演化理论 | 第29页 |
| 4.2 水平集方法 | 第29-31页 |
| 4.3 基于水平集理论的基本模型 | 第31-36页 |
| 4.3.1 测地主动轮廓模型 | 第31-32页 |
| 4.3.2 Chan-Vese模型 | 第32-36页 |
| 4.4 本章小结 | 第36-38页 |
| 第5章 一种结合CV和LBF的自适应水平集融合算法 | 第38-49页 |
| 5.1 LBF模型 | 第38-40页 |
| 5.2 一种新的自适应水平集融合算法 | 第40-48页 |
| 5.2.1 改进算法实现步骤 | 第40-43页 |
| 5.2.2 改进算法实现流程图 | 第43-44页 |
| 5.2.3 实验结果对比分析 | 第44-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士期间参与的项目及发表的学术论文 | 第54-55页 |
| 致谢 | 第55-56页 |
