模型基于活动轮廓模型医学图像分割算法

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