基于聚类分析的磁共振图像分割与有偏场估计

1 绪论 1.1 前言 1.2 MRI图像的特点和分割目标 1.2.1 MRI图像的特点 1.2.2 颅脑组织的分布和分割的目标 1.3 医学图像分割的常用方法和分类 1.3.1 基于模糊理论的图像分割 1.3.2 基于形变模型的分割 1.3.3 基于随机场的分割方法 1.3.4 基于核函数的分割方法 1.4 医学图像分割算法的评估 1.4.1 具有标准分割结果的临床数据 1.4.2 具有标准分割结果的仿真数据 1.5 意义和贡献 1.6 本书的结构安排 2 基于聚类分析的分割 2.1 聚类与模糊聚类的概念 2.2 基于代价函数的聚类算法 2.2.1 基于混合模型的概率聚类 2.2.2 高斯混合模型的EM聚类 2.2.3 模糊聚类 2.3 模糊C均值聚类(FCM)算法 2.4 模糊C均值聚类的缺点和改进 2.5 本章小结 3 基于Mercer核的聚类算法 3.1 引言 3.2 Mercer定理与Mercer核 3.2.1 Mercer映射 3.2.2 正定条件与Mercer核 3.3 近邻度量与基于核函数的度量 3.3.1 相似性测度以及不相似性的度量 3.3.2 基于Mercer核的测度 3.4 基于Mercer核的模糊C均值聚类 3.4.1 特征空间距离展开式与聚类算法 3.4.2 聚类目标公式和隶属度的迭代式 3.5 核聚类算法的改进 3.5.1 KFCM-Ⅱ算法 3.5.2 Mercer映射中原像的问题 3.5.3 KFCM-Ⅱ聚类初始化 3.5.4 高斯核σ参数的确定 3.6 FCM和KFCMl.II的实验结果及讨论 3.7 本章小结 4 空问约束的核聚类图像分割算法 4.1 引言 4.2 使用空间约束的KFCM-II聚类 4.3 使用Markov场进行空间约束的KFCM—II算法 4.3.1 邻域系统和势团的定义 4.3.2 基于两点势团的空间约束 4.3.3 聚类参数的确定 4.3.4 实验结果及分析