中文摘要2-3
Abstract3-4
中文文摘4-7
目录7-10
绪论10-14
第一章 医学图像分割算法综述14-24
1.1 基于边缘的分割算法15-17
1.1.1 并行微分算子15-16
1.1.2 基于曲面拟合的策略16
1.1.3 边界曲线拟合法16
1.1.4 串行边界查找16-17
1.2 基于区域的分割算法17-20
1.2.1 阈值分割17-18
1.2.2 区域生长和分裂合并18-19
1.2.3 分类器和聚类19-20
1.2.4 基于随机场的策略20
1.3 其他医学图像分割算法20-23
1.3.1 结合区域与边缘信息的策略20-21
1.3.2 图谱引导策略21
1.3.3 基于模糊集论述的策略21-22
1.3.4 基于神经网络的策略22
1.3.5 基于数学形态学的策略22-23
1.4 本章小结23-24
第二章 参数活动轮廓模型24-30
2.1 Snake模型24-27
2.2 Snake模型的改善27-29
2.2.1 气球力模型27-28
2.2.2 F模型28-29
2.3 本章小结29-30
第三章 水平集论述及几何活动轮廓模型30-38
3.1 水平集论述30-32
3.2 变分水平集论述32-35
3.2.1 变分水平集策略32-34
3.2.2 改善的变分水平集策略34-35
3.3 几何活动轮廓模型35-37
3.3.1 基于边缘的几何活动轮廓模型35-36
3.3.2 基于区域的几何活动轮廓模型36-37
3.4 本章小结37-38
第四章 结合DRLSE模型的自适应算法38-50
4.1 无需重新初始化的变分水平集方程39-40
4.2 距离正则化的水平集演化(DRLSE)40-41
4.3 DRLSE模型的改善41-46
4.3.1 滤波函数的改善42-43
4.3.2 模型的自适应演化43-45
4.3.3 改善后的模型45-46
4.4 实验仿真结果46-48
4.4.1 心脏MRI图像实验46-47
4.4.2 脊椎CT图像实验47-48
4.5 本章小结48-50
第五章 克服灰度不均匀性的C-V模型50-62
5.1 C-V模型介绍51-53
5.2 C-V模型的改善53-58
5.2.1 无需重新初始化53-54
5.2.2 克服灰度不均匀性的影响54-57
5.2.3 改善的C-V模型57-58
5.3 实验仿真结果58-61
5.4 本章小结61-62
第六章 总结与展望62-64
6.1 本论文的主要工作62
6.2 主要革新点62-63
6.3 未来工作与展望63-64