独创性声明
学位论文使用授权声明
中文摘要
1 绪论
1.1 课题的背景及意义
1.1.1 医学图像分割研究的背景及意义
1.1.2 医学图像分割研究的国内外现状
1.2 支持向量机方法的提出及其研究现状
1.3 本文的主要研究意义及内容
1.3.1 本文的研究意义
1.3.2 本文的主要内容
2 支持向量机的基本理论
2.1 统计学习理论
2.1.1 机器学习的基本方法和问题
2.1.2 统计学习理论
2.2 支持向量机理论
2.2.1 支持向量机原理及特点[7]
2.2.2 最小二乘支持向量机原理
2.2.3 最小二乘支持向量机多元分类模型 [8]
2.3 本章小结
3 基于最小二乘支持向量机的医学图像分割研究
3.1 医学图像分割方法简介
3.1.1 核磁共振脑图像成像特点
3.1.2 医学图像分割的方法
3.2 基于最小二乘支持向量机的MRI脑图像分割实验
3.2.1 训练样本的选取
3.2.2 基于核主成分分析(KPCA)的特征提取及归一化
3.2.3 基于最小二乘支持向量机的MRI脑图像分割步骤
3.2.4 图像分割实验结果分析
3.3 本章小结
4 基于水平集曲线演化的MRI脑图像分割
4.1 水平集的基本理论
4.1.1 曲线演化的水平集描述
4.1.2 水平集方程的数值计算
4.1.3 水平集方法实现中的问题
4.2 基于水平集曲线演化的图像分割
4.2.1 基于水平集求解简化Mumford-Shah模型的C-V方法
4.2.2 C-V图像分割方程的数值解法
4.2.3 C-V方法进行图像分割实验
4.3 基于支持向量机和水平集方法的MRI脑图像分割实验
4.3.1 两种方法结合的意义
4.3.2 图像分割步骤
4.3.3 实验结果分析
4.4 本章小结
5 总结与展望
5.1 总结
5.2 下一步工作展望
致谢
参考文献: