首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

骨扫描图像分割及配准算法研究

摘要第1-7页
ABSTRACT第7-9页
目录第9-12页
第一章 绪论第12-16页
   ·研究背景和意义第12-13页
   ·国内外研究现状第13-14页
   ·研究对象及材料第14-15页
   ·本文研究内容和结构第15-16页
第二章 现有图像分割算法介绍第16-28页
   ·基本的图像分割算法第16-19页
     ·图像阈值第16-17页
     ·区域生长算法第17-18页
     ·边缘提取算法第18-19页
   ·主动轮廓模型第19-21页
   ·GRAPH-CUT 算法第21-23页
   ·主动形状模型第23-24页
   ·基于图谱的算法第24-27页
   ·本章小结第27-28页
第三章 基于先验知识的图像分割算法第28-47页
   ·全身骨扫描图像的分区算法第28-31页
     ·图像阈值化第28-29页
     ·特征点提取第29-31页
   ·脊柱分割算法第31-37页
     ·最优阈值第32-33页
     ·拓扑学操作第33-34页
     ·脊柱椎体分割第34-36页
     ·基于Level-set 的脊柱分割算法第36-37页
   ·肋骨分割算法第37-42页
     ·肋骨起始点的确定第38页
     ·肋骨终点的确定第38-39页
     ·肋骨中线确定第39-41页
     ·肋骨边界的确定第41-42页
   ·实验结果第42-46页
     ·胸廓区域的定位第42页
     ·脊柱的提取第42-43页
     ·肋骨的分割第43-46页
   ·本章小结第46-47页
第四章 图像配准算法在骨扫描图像处理中的应用第47-61页
   ·图像配准算法第47-52页
     ·图像配准算法概述第47-49页
     ·非刚体配准变换模型第49页
     ·相似性度量第49-52页
   ·图像配准在骨扫描图像处理中的应用第52-57页
     ·基于扩散模型的图像配准算法(Demons)第53-55页
     ·基于图像配准的热点检测第55-57页
   ·实验结果和讨论第57-60页
     ·基于Demons 的胸廓图像校正第57-59页
     ·基于图像配准的热点检测第59-60页
   ·本章小结第60-61页
第五章 骨扫描图像的计算机辅助诊断系统第61-65页
   ·系统概述第61-62页
   ·实验结果第62-65页
第六章 总结与展望第65-67页
   ·全文总结第65页
   ·研究展望第65-67页
参考文献第67-71页
程序测试环境(附录1)第71-72页
致谢第72-73页
攻读硕士学位期间已发表或录用的论文第73页

论文共73页,点击 下载论文
上一篇:复杂场景中的时空特征学习与人体行为分析
下一篇:结合稀疏编码的图像生物视觉特征提取研究