| 第1章 绪论 | 第1-25页 |
| ·引言 | 第12-13页 |
| ·心脏MR成像 | 第13-14页 |
| ·心脏MR Tagging成像 | 第14-16页 |
| ·心脏MR图像分割 | 第16-18页 |
| ·聚类分割法 | 第17页 |
| ·区域生长法 | 第17-18页 |
| ·神经元网络法 | 第18页 |
| ·Snake模型 | 第18-20页 |
| ·测地活动轮廓模型 | 第20-21页 |
| ·Level Set方法 | 第21-22页 |
| ·本文主要研究工作和内容安排 | 第22-23页 |
| ·本文工作的创新点 | 第23-25页 |
| 第2章 Snake活动轮廓模型及其数值方法 | 第25-42页 |
| ·引言 | 第25页 |
| ·Snake能量函数及其计算方法 | 第25-28页 |
| ·内部能量 | 第26页 |
| ·外部能量 | 第26-27页 |
| ·图像能量 | 第27-28页 |
| ·能量最小化算法 | 第28-31页 |
| ·欧拉方程 | 第28-29页 |
| ·欧拉方程时间分步数值方法 | 第29-30页 |
| ·欧拉方程半隐式数值方法 | 第30-31页 |
| ·气球Snake能量函数最小化方法 | 第31-33页 |
| ·梯度向量流Snake及其计算方法 | 第33-36页 |
| ·梯度向量流GVF | 第34-35页 |
| ·梯度向量流GVF的数值方法 | 第35-36页 |
| ·梯度向量流GVF Snake | 第36页 |
| ·基于小波分解图像力的Snake模型 | 第36-41页 |
| ·小波多尺度边缘检测原理 | 第37-39页 |
| ·基于小波分解图像力的Snake模型 | 第39-41页 |
| ·结论和讨论 | 第41-42页 |
| 第3章 一种基于改进Snake模型的边缘检测算法研究 | 第42-52页 |
| ·引言 | 第42页 |
| ·Snake模型 | 第42-43页 |
| ·改进的Snake模型 | 第43-46页 |
| ·内部能量项 | 第43-46页 |
| ·外部能量 | 第46页 |
| ·改进Snake模型的实现方法 | 第46-48页 |
| ·相关问题 | 第46-47页 |
| ·改进Snake模型的贪婪算法 | 第47-48页 |
| ·实验结果 | 第48-49页 |
| ·结论和讨论 | 第49-52页 |
| 第4章 基于水平集曲线演化的MRI图像分割研究 | 第52-81页 |
| ·引言 | 第52页 |
| ·曲线演化理论和图像分割 | 第52-58页 |
| ·曲线演化基础公式 | 第52-53页 |
| ·曲线演化稳定性分析 | 第53-55页 |
| ·双曲守恒定律与曲线演化方程 | 第55-56页 |
| ·曲线演化和图像分割关系分析 | 第56-58页 |
| ·水平集理论 | 第58-62页 |
| ·初始值水平集公式推导 | 第59页 |
| ·初始值水平集公式性质评注 | 第59-60页 |
| ·边界值水平集公式推导 | 第60-62页 |
| ·水平集方程的数值方法 | 第62-66页 |
| ·传统数值算法 | 第62-63页 |
| ·迎风熵恒算法 | 第63页 |
| ·边界值水平集方程的迎风熵恒算法 | 第63-65页 |
| ·初始值水平集方程的迎风熵恒算法 | 第65-66页 |
| ·水平集算法的改进 | 第66-71页 |
| ·窄带水平集算法 | 第66-67页 |
| ·快速推进的水平集方程算法 | 第67-71页 |
| ·基于水平集曲线演化的MRI图像分割方法研究 | 第71-79页 |
| ·概述 | 第71-73页 |
| ·K均值集群算法与图像目标的分类 | 第73-74页 |
| ·窄带和符号距离函数生成 | 第74-76页 |
| ·基于K均值集群分割结果的水平集速度函数 | 第76-78页 |
| ·基于图像梯度的速度函数与边界的细化 | 第78-79页 |
| ·结论和讨论 | 第79-81页 |
| 第5章 图像目标识别中的人工神经网络方法研究 | 第81-98页 |
| ·引言 | 第81页 |
| ·柔性Sigmoid函数 | 第81-83页 |
| ·柔性单极性Sigmoid函数 | 第81-82页 |
| ·柔性双极性Sigmoid函数 | 第82-83页 |
| ·学习算法 | 第83-87页 |
| ·连接权学习算法 | 第84-85页 |
| ·Sigmoid函数参数学习算法 | 第85-87页 |
| ·网络性能测试 | 第87-91页 |
| ·柔性神经网络在腹水脱落癌细胞识别中的应用研究 | 第91-97页 |
| ·概述 | 第91-92页 |
| ·可疑细胞分割 | 第92页 |
| ·自适应最小距离分割算法 | 第92-94页 |
| ·形态特征提取 | 第94-96页 |
| ·FBPN神经网络对可疑细胞分类识别 | 第96-97页 |
| ·结论与讨论 | 第97-98页 |
| 第6章 总结与展望 | 第98-101页 |
| 参考文献 | 第101-107页 |
| 致谢 | 第107-108页 |
| 附录 | 第108页 |