摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第11-24页 |
1.1 医学图像的研究背景 | 第11-12页 |
1.2 图像分割技术的国内外研究现状 | 第12-18页 |
1.2.1 图像分割的概念 | 第12-13页 |
1.2.2 图像分割算法概述 | 第13-18页 |
1.3 MRI图像介绍 | 第18-21页 |
1.3.1 MRI图像成像机理 | 第19-21页 |
1.3.2 MRI图像分割目标 | 第21页 |
1.4 医学图像分割的意义 | 第21-22页 |
1.5 本文主要工作 | 第22页 |
1.6 本文组织结构安排 | 第22-24页 |
第二章 基于FCM算法的图像分割算法 | 第24-34页 |
2.1 模糊理论基础研究 | 第24-28页 |
2.1.1 模糊理论 | 第24-25页 |
2.1.2 模糊集理论 | 第25-26页 |
2.1.3 隶属函数的确定方法 | 第26-27页 |
2.1.4 模糊度基本概念 | 第27-28页 |
2.2 对模糊聚类分析的研究 | 第28-31页 |
2.2.1 传统聚类分析 | 第28页 |
2.2.2 传统的聚类分析的数学模型 | 第28-29页 |
2.2.3 基于目标函数的模糊聚类分析 | 第29-30页 |
2.2.4 聚类的一般步骤 | 第30-31页 |
2.3 基于模糊聚类分析的图像分割算法的研究现状 | 第31-33页 |
2.4 本章小结 | 第33-34页 |
第三章 基于各向异性滤波算法改进的FCM算法 | 第34-58页 |
3.1 标准模糊C均值聚类算法 | 第34-37页 |
3.2 FCM算法应用于图像分割 | 第37-40页 |
3.2.1 使用FCM算法对图像进行分割的一般步骤 | 第38页 |
3.2.2 FCM方法用于图像分割实例 | 第38-40页 |
3.3 基于FCM的噪声图像分割算法研究 | 第40-44页 |
3.3.1 空间约束的模糊C均值算法 | 第40-41页 |
3.3.2 使用了核函数的模糊C均值算法 | 第41-43页 |
3.3.3 快速FCM算法FFCM | 第43-44页 |
3.4 对FCM算法的改进 | 第44-52页 |
3.4.1 各向异性滤波算法研究 | 第45-49页 |
3.4.2 本文算法介绍 | 第49-51页 |
3.4.3 PMFCM算法流程 | 第51-52页 |
3.5 实验结果与分析 | 第52-57页 |
3.5.1 实验背景描述 | 第52页 |
3.5.2 图像分割评价标准 | 第52-53页 |
3.5.3 模拟实验结果 | 第53-57页 |
3.6 小结 | 第57-58页 |
第四章 脑MRI图像灰度不均匀场的纠正算法研究 | 第58-70页 |
4.1 序言 | 第58页 |
4.2 MRI图像中的灰度不均匀场 | 第58-64页 |
4.2.1 图像的灰度不均匀场模型 | 第58-60页 |
4.2.2 灰度不均匀性退化模型在本文算法中的应用 | 第60-64页 |
4.2.3 算法流程 | 第64页 |
4.3 脑MRI医学图像分割实验 | 第64-69页 |
4.3.1 对于标准脑部合成图像进行分割 | 第65-66页 |
4.3.2 真实脑图分割结果 | 第66-69页 |
4.4 小结 | 第69-70页 |
第五章 脑MRI医学图像分割应用的设计与实现 | 第70-80页 |
5.1 脑MRI医学图像分割模型 | 第70-76页 |
5.1.1 对MRI图像进行各向异性滤波 | 第70-72页 |
5.1.2 本文初始化聚类中心的方法 | 第72-74页 |
5.1.3 本文对灰度不均匀场可进行恢复的算法的目标函数 | 第74-75页 |
5.1.4 本文算法对灰度不均匀场的估计 | 第75-76页 |
5.1.5 对图像的去灰度不均匀场操作 | 第76页 |
5.2 本文所提出算法模型医学图像处理实验系统中的应用 | 第76-79页 |
5.2.1 实验系统平台和开发工具 | 第76-77页 |
5.2.2 实验系统设计框架 | 第77页 |
5.2.3 医学图像分割模块 | 第77-79页 |
5.3 小结 | 第79-80页 |
第六章 总结与展望 | 第80-82页 |
6.1 总结 | 第80页 |
6.2 展望 | 第80-82页 |
致谢 | 第82-83页 |
参考文献 | 第83-89页 |