文摘
英文文摘
声明
第一章绪论
1.1课题背景及意义
1.2脑部磁共振图像分割方法
1.3研究目标
1.4本文组织结构
第二章三种常用的聚类算法
2.1仿真磁共振图像
2.2 K均值法
2.2.1 K均值法原理
2.2.2 K均值法结果显示
2.3模糊C均值法
2.3.1模糊子集的基本概念
2.3.2模糊C均值法原理
2.3.3模糊C均值法在图像分割领域的应用
2.3.4模糊C均值法结果显示
2.4有限混合模型
2.4.1有限混合模型的定义
2.4.2高斯混合模型
2.4.3估计方法
2.4.4利用EM算法估计高斯混合模型中的参数
2.4.5利用高斯混合模型对图像进行分割
2.4.6基于FGM算法的结果显示
2.5本章小结
第三章马尔科夫随机场理论及其应用
3.1马尔科夫随机场理论
3.1.1图像标记
3.1.2邻域系统和势能
3.1.3马尔科夫随机场
3.1.4 Gibbs随机场与Markov-Gibbs等效性
3.1.5 MRF模型
3.2基于MRF的模糊C均值算法的改进
3.3基于MRF的FGM算法的改进
3.3.1迭代条件模式算法
3.3.2基于MRF的FGM算法的改进
3.3.3改进的FGM算法结果显示
3.4本章小结
第四章脑部磁共振图像分割算法评价
4.1图像分割结果的评价方法
4.2实验评价方法
4.3仿真磁共振图像实验结果
4.3.1仿真磁共振图像分割结果定量比较
4.3.2仿真磁共振图像分割结果讨论
4.4脑部磁共振图像实验结果
4.4.1利用BET工具提取脑实质
4.4.2脑部磁共振图像实验结果
4.5本章小结
第五章总结与展望
5.1论文工作总结
5.2后续工作展望
参考文献
致谢
攻读学位期间主要的研究成果