稀疏表示模型在医学图像处理中的应用研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 医学图像处理简介 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 医学图像处理主要内容及研究现状 | 第14-16页 |
| 1.3.1 医学影像预处理 | 第15页 |
| 1.3.2 医学图像分割 | 第15页 |
| 1.3.3 医学图像配准 | 第15页 |
| 1.3.4 医学图像分析 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 第二章 稀疏表示理论 | 第18-26页 |
| 2.1 引言 | 第18-19页 |
| 2.2 稀疏表示理论 | 第19-20页 |
| 2.3 稀疏编码的优化 | 第20-23页 |
| 2.3.1 贪婪算法 | 第20-22页 |
| 2.3.2 松弛求解 | 第22-23页 |
| 2.4 字典学习 | 第23-24页 |
| 2.5 稀疏表示模型在图像处理中的典型应用 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于奇异值分解的医学图像去噪算法 | 第26-43页 |
| 3.1 问题分析 | 第26-27页 |
| 3.2 图像的线性表示 | 第27-29页 |
| 3.3 算法描述 | 第29-35页 |
| 3.4 实验结果及分析 | 第35-42页 |
| 3.4.1 实验评价标准 | 第36页 |
| 3.4.2 仿真实验 | 第36-40页 |
| 3.4.3 乳腺超声图像去噪实验 | 第40-41页 |
| 3.4.4 对算法运算效率的比较 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于稀疏编码的乳腺肿瘤分类 | 第43-53页 |
| 4.1 问题分析 | 第43-45页 |
| 4.2 方法描述 | 第45-48页 |
| 4.3 实验结果及分析 | 第48-52页 |
| 4.3.1 实验数据介绍 | 第48-50页 |
| 4.3.2 实验设置 | 第50页 |
| 4.3.3 实验1 | 第50-51页 |
| 4.3.4 实验2 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间申请专利与发表的学术论文目录 | 第61-62页 |
| 攻读学位期间参加的科研项目 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
