| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容和主要贡献 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 相关原理 | 第17-27页 |
| 2.1 低秩分解与稀疏表示的相关理论 | 第17-18页 |
| 2.2 字典学习理论 | 第18-20页 |
| 2.3 字典学习和稀疏表示在图像融合中的作用 | 第20-21页 |
| 2.4 图像融合质量评价 | 第21-27页 |
| 第三章 基于低秩稀疏判别字典学习的医学图像融合、去噪和增强 | 第27-47页 |
| 3.1 引言 | 第27-28页 |
| 3.2 低秩稀疏字典学习和图像分解 | 第28-30页 |
| 3.2.1 低秩稀疏字典学习模型 | 第28-29页 |
| 3.2.2 图像分解模型 | 第29-30页 |
| 3.3 融合策略 | 第30-31页 |
| 3.4 算法最优化 | 第31-35页 |
| 3.4.1 字典学习模型的最优解 | 第31-33页 |
| 3.4.2 低秩稀疏分解模型的优化 | 第33-35页 |
| 3.5 实验结果和分析 | 第35-45页 |
| 3.5.1 实验设置 | 第35-37页 |
| 3.5.2 清晰医学图像融合结果与分析 | 第37-41页 |
| 3.5.3 含噪医学图像的融合结果与分析 | 第41-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 多成分判别字典学习与外部块先验引导的医学图像融合 | 第47-66页 |
| 4.1 引言 | 第47-49页 |
| 4.2 基于判别字典学习的图像分解 | 第49-52页 |
| 4.2.1 判别字典学习 | 第49-51页 |
| 4.2.2 基于判别字典的图像分解 | 第51-52页 |
| 4.3 融合策略 | 第52页 |
| 4.4 优化算法 | 第52-55页 |
| 4.4.1 字典学习的模型的优化 | 第52-53页 |
| 4.4.2 图像分解模型的优化 | 第53-55页 |
| 4.5 实验结果和分析 | 第55-64页 |
| 4.5.1 实验设置 | 第55-57页 |
| 4.5.2 清晰医学图像融合实验 | 第57-58页 |
| 4.5.3 含噪图像融合实验 | 第58-61页 |
| 4.5.4 参数的设置问题 | 第61-64页 |
| 4.6 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 问题与展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 附录A 攻读硕士学位期间发表的论文、专利及软著 | 第76页 |