首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于粒子群优化的CNN模板设计及其在医学图像配准中的应用研究

摘要第1-5页
Abstract第5-9页
第一章 绪论第9-12页
   ·课题研究背景及意义第9-10页
   ·论文内容和章节安排第10-11页
   ·论文主要创新点第11-12页
第二章 文献综述第12-28页
   ·粒子群算法第12-15页
     ·粒子群算法简介第12-15页
     ·粒子群算法的研究现状与应用第15页
   ·细胞神经网络第15-21页
     ·细胞神经网络简介第15-19页
     ·细胞神经网络的研究第19-21页
   ·医学图像配准介绍第21-24页
     ·医学图像配准的介绍第21-22页
     ·图像配准的基本过程第22-23页
     ·图像配准的研究现状第23-24页
   ·互信息算法第24-26页
     ·联合直方图和联合熵第25-26页
     ·互信息算法第26页
   ·本章小结第26-28页
第三章 基于粒子群算法的CNN模板设计第28-39页
   ·引言第28-29页
   ·CNN模板设计第29-32页
     ·CNN模板设计的基本原理第29-30页
     ·CNN模板设计的方法研究第30-32页
   ·基于粒子群的CNN模板设计第32-38页
     ·模板的设计第32-34页
     ·粒子群CNN模板的稳定性证明第34-36页
     ·算法实现的过程第36-37页
     ·实验结果与分析第37-38页
   ·本章小结第38-39页
第四章 基于CNN互信息医学图像配准算法第39-48页
   ·引言第39-40页
   ·互信息医学图像配准算法第40-42页
     ·互信息医学图像配准算法的基本原理第40-41页
     ·互信息图像配准方法的问题及解决第41-42页
   ·基于CNN模板的互信息医学图像配准方法第42-47页
     ·基本工作原理第42-44页
     ·算法实现过程第44页
     ·实验结果与分析第44-47页
   ·本章小结第47-48页
第五章 基于参数优化的CNN互信息医学图像配准算法第48-55页
   ·引言第48-49页
   ·基于参数优化的CNN模板互信息图像配准算法第49-54页
     ·基本工作原理第49-50页
     ·算法实现过程第50-51页
     ·实验结果与分析第51-54页
   ·本章小结第54-55页
第六章 结论第55-57页
   ·总结第55-56页
   ·展望第56-57页
参考文献第57-60页
致谢第60-61页
攻读学位期间的研究成果第61-62页

论文共62页,点击 下载论文
上一篇:基于Gabor和ILDA的人耳识别研究
下一篇:结合多示例学习和模板匹配的目标跟踪算法研究