| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 选题背景与研究意义 | 第10-11页 |
| 1.2 低剂量CT图像噪声抑制研究现状 | 第11-14页 |
| 1.3 分数阶微积分理论在图像处理中的应用 | 第14-15页 |
| 1.4 本文的主要内容和组织结构 | 第15-17页 |
| 第二章 基于分数阶G-L PMD的低剂量CT图像去噪算法 | 第17-38页 |
| 2.1 CT简介及成像原理 | 第17-22页 |
| 2.1.1 CT扫描及系统组成 | 第17-19页 |
| 2.1.2 CT成像原理 | 第19页 |
| 2.1.3 低剂量CT投影图像的噪声模型 | 第19-20页 |
| 2.1.4 低剂量CT投影图像噪声统计特性分析 | 第20-22页 |
| 2.2 经典的图像去噪算法分析 | 第22-27页 |
| 2.2.1 空间域去噪算法 | 第22-24页 |
| 2.2.2 变换域去噪算法 | 第24-25页 |
| 2.2.3 基于偏微分方程去噪算法 | 第25-27页 |
| 2.3 基于分数阶Grünwald-Letnikov PMD的低剂量图像去噪算法 | 第27-36页 |
| 2.3.1 分数阶微积分的定义 | 第27-30页 |
| 2.3.2 分数阶G-L积分算子的构建 | 第30-32页 |
| 2.3.3 基于分数阶G-L PMD的低剂量CT图像去噪算法 | 第32-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 基于邻域方差自适应调节分数阶阶次的低剂量CT图像去噪算法 | 第38-53页 |
| 3.1 分数阶阶次对图像去噪效果的影响分析 | 第38-40页 |
| 3.2 邻域方差统计特性分析 | 第40-41页 |
| 3.2.1 邻域方差的定义 | 第40页 |
| 3.2.2 邻域方差统计特性分析研究 | 第40-41页 |
| 3.3 利用全局分数阶阶次去噪算法的不足 | 第41-42页 |
| 3.4 利用邻域方差统计特性自适应调节分数阶阶次的的设计思想 | 第42-43页 |
| 3.4.1 分数阶阶次与邻域方差的关系 | 第42-43页 |
| 3.4.2 利用邻域方差自适应调节分数阶阶次的设计思想 | 第43页 |
| 3.5 基于邻域方差自适应调节分数阶阶次的低剂量CT图像去噪算法 | 第43-47页 |
| 3.5.1 基于邻域方差自适应调节分数阶阶次算法 | 第43-44页 |
| 3.5.2 算法步骤与实现 | 第44-47页 |
| 3.6 实验结果与分析 | 第47-52页 |
| 3.6.1 实验数据 | 第47页 |
| 3.6.2 实验流程 | 第47-48页 |
| 3.6.3 实验结果分析 | 第48-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第四章 基于分数阶R-L PMD的低剂量CT图像去噪算法 | 第53-68页 |
| 4.1 分数阶Riemann-Liouville积分算子的构造 | 第53-56页 |
| 4.2 基于NV-RL PMD的低剂量CT图像去噪算法 | 第56-58页 |
| 4.3 数值方案与算法实现 | 第58-60页 |
| 4.4 实验结果与分析 | 第60-67页 |
| 4.4.1 实验数据 | 第60-61页 |
| 4.4.2 实验流程 | 第61-62页 |
| 4.4.3 实验结果与分析 | 第62-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 全文总结 | 第68-69页 |
| 5.2 后续工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
