声明
摘要
第1章 绪论
1.1 引言
1.2 医学图像分割的目的与意义
1.3 基于偏微分方程的图像分割
1.4 国内外研究现状
1.5 本文研究内容
第2章 图像分割的主要算法综述
2.1 基于阈值的图像分割
2.2 基于边缘检测的图像分割
2.2.1 并行微分算子
2.2.2 基于曲面拟合的方法
2.2.3 串行边界查找
2.3 基于区域提取的图像分割
2.3.1 区域生长法
2.3.2 分裂合并法
2.3.3 分类器和聚类
2.3.4 基于随机场的方法
2.4 结合特定理论工具的方法
2.4.1 基于数学形态学的图像分割
2.4.2 基于模糊集理论的图像分割
2.4.3 基于人工神经网络的图像分割
2.4.4 基于小波分析和变换的分割方法
2.5 基于偏微分方程的图像分割
2.6 活动轮廓模型算法
2.6.1 活动轮廓模型概述
2.6.2 参数活动轮廓模型
2.6.3 几何活动轮廓模型的提出
2.7 本章小结
第3章 C-V模型的相关原理
3.1 水平及方法原理
3.1.1 水平集方法简介
3.1.2 曲线演化理论
3.1.3 基于水平集的曲线演化理论
3.1.4 水平集的数值实现
3.1.5 水平集的初始化
3.2 活动轮廓模型原理
3.2.1 活动轮廓模型原理概述
3.2.2 气球力模型
3.2.3 GVF模型原理
3.3 几何活动轮廓模型原理
3.3.1 测地活动轮廓模型
3.3.2 M-S模型原理
3.4 C-V模型算法
3.5 本章小结
第4章 C-V模型算法的改进
4.1 基于Otsu算法的C-V模型改进算法
4.1.1 Otsu算法
4.1.2 改进的分割算法
4.2 加入约束项的C-V模型的改进算法
4.3 本章小结
第5章 结果与分析
5.1 传统算法结果
5.1.1 算子算法提取边缘
5.1.2 传统C-V模型边缘提取结果
5.2 基于Otsu算法的C-V模型改进算法的结果与临床应用
5.2.1 基于Otsu算法的C-V模型的结果
5.2.2 改进算法—的临床应用
5.3 加入约束项的C-V模型改进算法的结果
5.4 本章小结
第6章 总结与展望
6.1 本文工作总结
6.2 展望
参考文献
致谢