| 摘要 | 第1-7页 |
| Abstract | 第7-17页 |
| 符号与缩写含义清单 | 第17-18页 |
| 1 绪论 | 第18-26页 |
| ·超声医学成像的历史回顾 | 第18-19页 |
| ·超声医学图像去噪及增强技术的研究背景和意义 | 第19-21页 |
| ·超声医学图像去噪及增强的发展与国内外现状 | 第21-23页 |
| ·超声医学图像去噪技术的发展与国内外现状 | 第21-23页 |
| ·超声医学图像增强技术的发展与国内外现状 | 第23页 |
| ·超声医学图像去噪技术的性能评价指标 | 第23-24页 |
| ·论文的结构及主要研究工作 | 第24-26页 |
| 2 小波变换理论与PCNN理论 | 第26-34页 |
| ·小波变换基本理论 | 第26-30页 |
| ·小波变换的基本概念 | 第26-27页 |
| ·二进小波变换 | 第27-28页 |
| ·多分辨分析 | 第28-29页 |
| ·图像的小波分解与重构 | 第29-30页 |
| ·脉冲耦合神经网络基本原理及性能分析 | 第30-34页 |
| ·PCNN参数作用分析 | 第31页 |
| ·PCNN点火行为分析 | 第31-33页 |
| ·PCNN所具有的特性 | 第33-34页 |
| 3 基于小波变换的超声医学图像去噪算法 | 第34-46页 |
| ·斑点噪声 | 第34-35页 |
| ·小波基函数的选择 | 第35-36页 |
| ·小波阈值去噪 | 第36-39页 |
| ·常用的阈值确定方法 | 第36-37页 |
| ·常用的阈值变换函数 | 第37-39页 |
| ·改进的自适应阈值去噪算法 | 第39-41页 |
| ·改进的自适应阈值去噪算法 | 第39页 |
| ·实验结果及分析 | 第39-41页 |
| ·基于形态学的小波阈值去噪方法 | 第41-43页 |
| ·数学形态学理论 | 第41页 |
| ·基于形态学的小波阈值去噪方法 | 第41-42页 |
| ·实验结果及分析 | 第42-43页 |
| ·结论 | 第43-46页 |
| 4 基于PCNN的小波域超声医学图像去噪方法 | 第46-62页 |
| ·PCNN | 第46-48页 |
| ·PCNN模型 | 第46-47页 |
| ·PCNN去噪原理 | 第47-48页 |
| ·基于PCNN的小波域超声医学图像去噪方法(PCNN-WD) | 第48-52页 |
| ·PCNN-WD的具体步骤 | 第48-49页 |
| ·实验及结果分析 | 第49-52页 |
| ·基于PCNN的超声医学图像软阈值去噪方法 | 第52-55页 |
| ·ST-PCNN的具体步骤 | 第52-53页 |
| ·实验及结果分析 | 第53-55页 |
| ·基于模糊PCNN的小波域超声医学图像去噪方法 | 第55-60页 |
| ·模糊PCNN模型 | 第55-56页 |
| ·基于模糊PCNN的小波域超声医学图像去噪方法 | 第56-57页 |
| ·实验及结果分析 | 第57-60页 |
| ·结论 | 第60-62页 |
| 5 基于维纳滤波与小波相融合的超声医学图像去噪方法 | 第62-70页 |
| ·维纳滤波器 | 第62-63页 |
| ·基于小波分析的图像融合 | 第63-66页 |
| ·基于维纳滤波与小波相融合的超声医学图像去噪方法 | 第66-67页 |
| ·实验结果和讨论 | 第67-69页 |
| ·结论 | 第69-70页 |
| 6 基于自适应低通滤波的超声医学图像增强算法 | 第70-80页 |
| ·全局直方图均衡算法 | 第70-73页 |
| ·局部直方图均衡算法 | 第73-74页 |
| ·自适应邻域直方图均衡算法 | 第74页 |
| ·基于自适应低通滤波的增强算法 | 第74-76页 |
| ·转化图像 | 第74页 |
| ·分频 | 第74-75页 |
| ·低频分量自适应邻域直方图均衡 | 第75页 |
| ·线性组合并转化图像得输出图像 | 第75-76页 |
| ·实验及结果分析 | 第76-78页 |
| ·结论 | 第78-80页 |
| 7 结论与展望 | 第80-82页 |
| 参考文献 | 第82-90页 |
| 致谢 | 第90-92页 |
| 作者简介及攻读硕士学位期间所发表的论文 | 第92页 |