| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-25页 |
| 1.1. 选题的背景与意义 | 第11-13页 |
| 1.2. 医学超声图像成像原理 | 第13-15页 |
| 1.3. 超声图像分割方法简介 | 第15-22页 |
| 1.3.1. 超声图像分割方法的研究现状 | 第15-19页 |
| 1.3.2. 有限混合模型 | 第19-20页 |
| 1.3.3. 活动轮廓模型 | 第20-22页 |
| 1.4. 本文的创新点及贡献 | 第22-23页 |
| 1.5. 本文的结构与内容安排 | 第23-25页 |
| 第二章 基于引入空间信息的瑞利混合模型的超声图像分割 | 第25-45页 |
| 2.1. 有限混合模型简介 | 第25-26页 |
| 2.2. 有限混合模型在图像分析中的应用 | 第26-31页 |
| 2.3. 超声图像的灰度分布 | 第31-32页 |
| 2.4. 空间信息的引入 | 第32-35页 |
| 2.5. 超声图像分割 | 第35-36页 |
| 2.6. 实验结果与分析 | 第36-44页 |
| 2.6.1. 模拟超声图像分割结果对比及分析 | 第36-41页 |
| 2.6.2. HIFU图像分割结果及分析 | 第41-44页 |
| 2.7. 本章小结 | 第44-45页 |
| 第三章 基于多层瑞利混合模型的超声图像分割 | 第45-57页 |
| 3.1. 多层混合模型简介 | 第45-48页 |
| 3.2. 多层混合瑞利模型及参数估计 | 第48-50页 |
| 3.3. 在多层混合瑞利模型中引入邻域信息 | 第50-51页 |
| 3.4. 实验结果与分析 | 第51-55页 |
| 3.4.1. 模拟超声图像分割结果及分析 | 第51-53页 |
| 3.4.2. HIFU超声图像分割结果及分析 | 第53-55页 |
| 3.5. 本章小结 | 第55-57页 |
| 第四章 基于加权混合瑞利模型的超声图像分割 | 第57-77页 |
| 4.1. 视觉系统 | 第57-58页 |
| 4.2. 显著特征图 | 第58-62页 |
| 4.3. 显著特征图与图像分割 | 第62-63页 |
| 4.4. 显著特征图提取 | 第63-65页 |
| 4.5. 有限混合模型与显著图的结合 | 第65-67页 |
| 4.5.1. 加权高斯混合模型 | 第65-66页 |
| 4.5.2. 加权瑞利混合模型 | 第66-67页 |
| 4.6. 实验结果与分析 | 第67-75页 |
| 4.6.1. 加权高斯混合模型在自然图像分割上的应用 | 第67-73页 |
| 4.6.2. 加权瑞利混合模型在超声图像分割上的应用 | 第73-75页 |
| 4.7. 本章小结 | 第75-77页 |
| 第五章 基于改进主动形状模型的超声图像分割 | 第77-93页 |
| 5.1. 主动形状模型简介 | 第77-82页 |
| 5.1.1. 训练阶段 | 第77-79页 |
| 5.1.2. 测试阶段 | 第79-82页 |
| 5.2. 超声图像的聚类表示 | 第82-85页 |
| 5.2.1. Gabor特征 | 第82-83页 |
| 5.2.2. Local Binary Pattern特征 | 第83-84页 |
| 5.2.3. 超声图像的聚类表示 | 第84-85页 |
| 5.3. 超声图像的瑞利特征表示 | 第85页 |
| 5.4. 算法流程 | 第85-87页 |
| 5.5. 实验结果与分析 | 第87-92页 |
| 5.6. 本章小结 | 第92-93页 |
| 第六章 总结与展望 | 第93-97页 |
| 6.1. 全文工作总结 | 第93-95页 |
| 6.2. 未来工作展望 | 第95-97页 |
| 参考文献 | 第97-107页 |
| 致谢 | 第107-109页 |
| 作者简介 | 第109页 |
