| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·医学图像配准的概念 | 第8-9页 |
| ·医学图像配准的主要方法 | 第9-11页 |
| ·基于像素或体素的配准方法 | 第9-10页 |
| ·基于特征的配准方法 | 第10-11页 |
| ·基于特征的医学图像配准过程 | 第11-12页 |
| ·图像相似性特征提取 | 第11页 |
| ·图像配准建模 | 第11-12页 |
| ·最优化图像配准 | 第12页 |
| ·本文主要工作及文章结构 | 第12-13页 |
| 第二章 图像特征提取 | 第13-28页 |
| ·几种常用的边缘检测算子 | 第13-17页 |
| ·Roberts 算子 | 第14页 |
| ·Sobel 算子 | 第14页 |
| ·Prewitt 算子 | 第14-15页 |
| ·Gauss-Laplace 算子 | 第15页 |
| ·Canny 算子 | 第15-16页 |
| ·边缘检测算子实验结果比较 | 第16-17页 |
| ·数学形态学 | 第17-19页 |
| ·腐蚀与膨胀 | 第17-18页 |
| ·开启与闭合 | 第18页 |
| ·数学形态学方法提取图像边缘 | 第18-19页 |
| ·基于小波变换多尺度分析的图像边缘及特征点提取方法 | 第19-27页 |
| ·小波及小波变换 | 第19页 |
| ·连续小波变换 | 第19-20页 |
| ·离散小波变换和二进小波 | 第20页 |
| ·多分辨率分析 | 第20-21页 |
| ·离散小波变换的设计 | 第21页 |
| ·Mallat 快速算法 | 第21-23页 |
| ·图像小波变换的分解 | 第23-24页 |
| ·基于小波多尺度积的图像边缘及特征点提取 | 第24-25页 |
| ·实验结果 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 配准优化算法 | 第28-43页 |
| ·Powell 算法 | 第28-29页 |
| ·Brent 算法 | 第29-30页 |
| ·GA 算法 | 第30-31页 |
| ·PSO 算法 | 第31-34页 |
| ·惯性权重(inertia weight)的引入 | 第32-33页 |
| ·收缩因子(constriction factor)的引入 | 第33页 |
| ·粒子群优化算法与遗传算法比较 | 第33-34页 |
| ·QPSO 算法 | 第34-35页 |
| ·Powell 与 QPSO 混合算法(PQPSO) | 第35页 |
| ·算法性能比较 | 第35-41页 |
| ·算法流程 | 第35-36页 |
| ·轮廓跟踪算法 | 第36-37页 |
| ·外围轮廓特征点的提取 | 第37页 |
| ·代价函数 | 第37-38页 |
| ·二维刚体变换 | 第38页 |
| ·图像插值方法 | 第38-39页 |
| ·实验结果分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 相似性测度 | 第43-55页 |
| ·基于特征的配准 | 第43页 |
| ·基于互信息的配准 | 第43-45页 |
| ·互信息法的理论基础 | 第43-44页 |
| ·归一化的互信息量 | 第44页 |
| ·互信息配准的优点及不足 | 第44-45页 |
| ·基于小波多尺度积特征点互信息的医学图像配准 | 第45-49页 |
| ·轮廓特征点互信息 | 第45-46页 |
| ·基于小波多尺度积特征点互信息的配准方法 | 第46页 |
| ·算法流程 | 第46页 |
| ·实验结果分析 | 第46-49页 |
| ·基于边界距离场互信息的医学图像配准 | 第49-53页 |
| ·距离变换 | 第49页 |
| ·基于边界距离场互信息的配准方法 | 第49-51页 |
| ·算法流程 | 第51页 |
| ·实验结果分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第62页 |
