| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题研究背景及研究意义 | 第7页 |
| ·群智能算法与并行计算研究现状 | 第7-9页 |
| ·医疗图像配准的研究现状 | 第9-10页 |
| ·本论文研究内容 | 第10-12页 |
| 第二章 群智能算法及其实现 | 第12-20页 |
| ·蚁群算法的原理及其实现 | 第12-13页 |
| ·微粒群算法基本原理与实现 | 第13-14页 |
| ·改进的微粒群优化算法 | 第14-16页 |
| ·具有量子行为的粒子群优化算法 | 第16-20页 |
| ·微粒群算法存在的缺陷 | 第16-17页 |
| ·具有量子行为的粒子群优化算法原理 | 第17-18页 |
| ·QPSO 算法的串行实现 | 第18-20页 |
| 第三章 群智能算法的并行化研究与实现 | 第20-36页 |
| ·群智能算法的并行性分析 | 第20-21页 |
| ·设计合适的并行计算模型 | 第21-25页 |
| ·基于消息传递机制的并行计算模型 | 第22-23页 |
| ·基于共享存储机制的并行计算模型 | 第23页 |
| ·基于消息传递与共享存储机制的混合并行计算模型 | 第23-25页 |
| ·群智能算法的并行实现 | 第25-29页 |
| ·基于邻域拓扑结构的并行PSO 算法 | 第26-27页 |
| ·基于邻域拓扑结构的并行QPSO 算法 | 第27-29页 |
| ·基于DNTM 的并行群智能算法求解非线性规划问题 | 第29-36页 |
| ·NTPara-QPSO 算法在求解无约束最优化问题中的应用 | 第29-33页 |
| ·NTPara-QPSO 算法在求解约束优化问题中的应用 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第四章 并行群智能算法在医疗图像配准中的应用 | 第36-52页 |
| ·医疗图像配准原理 | 第36-37页 |
| ·医疗图像配准的步骤 | 第37-38页 |
| ·现有配准方法和优化算法及其分析 | 第38-42页 |
| ·Powell 算法 | 第39-40页 |
| ·遗传算法 | 第40-42页 |
| ·最大互信息法及其算法实现 | 第42-45页 |
| ·基于串行QPSO 算法优化策略的医疗图像配准 | 第45-48页 |
| ·基于最大互信息和QPSO 算法优化策略的图像配准算法 | 第46-47页 |
| ·仿真实验结果与分析 | 第47-48页 |
| ·基于邻域拓扑结构的并行群智能算法的医疗图像配准 | 第48-52页 |
| ·并行图像配准算法描述 | 第49页 |
| ·仿真实验结果与分析 | 第49-52页 |
| 第五章 基于新的相似性测度和混合优化策略的图像配准 | 第52-59页 |
| ·新的相似性测度 | 第52-53页 |
| ·基于 NTPara-QPSO 算法和 Powell 算法的混合优化策略 | 第53-54页 |
| ·基于新的相似性测度和混合优化策略的配准算法在图像配准中的应用 | 第54-55页 |
| ·仿真实验与分析 | 第55-57页 |
| ·2D-2D 图像配准 | 第55-57页 |
| ·小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·论文工作总结 | 第59页 |
| ·今后工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录：作者在攻读硕士学位期间发表的论文和参加科研清况 | 第65页 |
