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

基于稀疏表示和有向图的核磁脑图像集配准

摘要第3-5页
Abstract第5-6页
第1章 绪论第12-17页
    1.1 图像配准的基本概念第12页
    1.2 课题的研究背景及意义第12-13页
    1.3 图像集配准算法的发展及现状第13-15页
    1.4 论文结构及主要内容第15-16页
    1.5 本章小结第16-17页
第2章 两两图像配准的理论内容第17-22页
    2.1 两两图像配准的基本内容第17页
    2.2 空间变换模型第17-18页
    2.3 插值技术第18-20页
    2.4 图像配准算法的评价标准第20-21页
    2.5 本章小结第21-22页
第3章 图像集配准算法的理论内容第22-28页
    3.1 图像集配准的基本流程第22页
    3.2 数据集预处理第22-24页
    3.3 图像间相似性度量方法第24-25页
    3.4 基于图的图像集配准算法第25-27页
    3.5 本章小结第27-28页
第4章 基于稀疏静态有向图的图像集配准第28-46页
    4.1 概述第28-29页
    4.2 流形第29页
    4.3 稀疏表示理论第29-31页
    4.4 基于稀疏静态有向图的图像集配准算法第31-36页
        4.4.1 基于稀疏流形编码的相似性度量第31-34页
        4.4.2 基于相似度构建有向图第34页
        4.4.3 融合形变场第34-36页
    4.5 实验第36-45页
        4.5.1 算法评估准则第39页
        4.5.2 实验结果及分析第39-44页
        4.5.3 实验小结第44-45页
    4.6 本章小结第45-46页
第5章 基于稀疏动态有向图的图像集配准第46-57页
    5.1 概述第46-47页
    5.2 方法第47-53页
        5.2.1 基于动态有向图的配准第48-49页
        5.2.2 根节点的定义第49-51页
        5.2.3 强连通图的建立第51-53页
    5.3 实验第53-55页
        5.3.1 实验结果及分析第53-55页
        5.3.2 实验小结第55页
    5.4 本章小结第55-57页
第6章 总结与展望第57-60页
    6.1 总结第57-58页
    6.2 展望第58-60页
参考文献第60-65页
致谢第65-66页
攻读硕士学位期间发表的学术论文目录第66-67页
攻读硕士学位期间参与的科研项目第67页

论文共67页,点击 下载论文
上一篇:基于迁移稀疏编码的跨域图像分类研究
下一篇:复杂场景中车辆品牌识别算法的研究