基于聚类分析的磁共振图像分割与有偏场估计

本书内容包括：基于聚类分析的分割、基于Mercer核的聚类算法、空间约束的核聚类图像分割算法、结合有偏场纠正的快速核聚类算法、基于聚类典型数据的快速核聚类算法等。

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