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

变分模态分解在医学图像中的应用

摘要第4-5页
ABSTRACT第5页
创新点摘要第6-9页
第一章 绪论第9-14页
    1.1 课题研究背景与意义第9-10页
    1.2 国内外研究现状第10-13页
        1.2.1 图像去噪方法的国内外研究现状第10-12页
        1.2.2 变分模态分解方法的国内研究现状第12-13页
    1.3 论文结构及内容安排第13-14页
第二章 变分模态分解研究第14-21页
    2.1 引言第14页
    2.2 EMD与VMD理论的提出第14页
    2.3 VMD分解的原理第14-17页
        2.3.1 经典维纳滤波第14-15页
        2.3.2 希尔伯特变换与解析信号第15-16页
        2.3.3 本征模态函数第16-17页
    2.4 经验模态分解方法第17-18页
        2.4.1 经验模态分解的基本原理第17-18页
        2.4.2 经验模态分解的问题第18页
    2.5 VMD分解过程第18-20页
    2.6 本章小结第20-21页
第三章 改进的基于2D-VMD和小波阈值结合的医学图像去噪第21-37页
    3.1 引言第21页
    3.2 二维经验模态分解方法第21-23页
        3.2.1 二维经验模态分解原理第21-22页
        3.2.2 二维经验模态分解分解过程第22-23页
    3.3 二维变分模态分解方法第23-26页
        3.3.1 二维解析信号第23-24页
        3.3.2 2D-VMD函数第24-25页
        3.3.3 交替方向乘子算法第25-26页
        3.3.4 2D-VMD算法第26页
    3.4 基于2D-VMD的图像去噪方法第26-31页
        3.4.1 去噪方法原理第26-27页
        3.4.2 图像的质量评价第27-29页
        3.4.3 去噪实例与结果分析第29-31页
    3.5 改进的基于2D-VMD和小波阈值结合的医学图像去噪第31-36页
        3.5.1 基于2D-VMD和小波阈值结合的医学图像去噪算法原理第31-32页
        3.5.2 去噪实例与结果分析第32-36页
    3.6 本章小结第36-37页
第四章 基于粒子群算法优化2D-VMD参数的医学图像去噪第37-46页
    4.1 引言第37页
    4.2 常用参数优化方法介绍第37-39页
        4.2.1 蚁群算法第37-38页
        4.2.2 人工蜂群算法第38-39页
    4.3 粒子群优化算法第39-42页
        4.3.1 粒子群优化算法简述第39页
        4.3.2 算法流程介绍第39-41页
        4.3.3 参数分析第41-42页
    4.4 基于粒子群算法的VMD参数优化第42页
    4.5 仿真实例验证与结果分析第42-45页
    4.6 本章小结第45-46页
第五章 基于变分模态分解的医学图像去噪软件设计第46-57页
    5.1 引言第46页
    5.2 用户设计界面(GUI)简介第46-47页
    5.3 系统结构与功能设计第47-50页
    5.4 系统具体实现以及运行效果第50-56页
    5.5 本章小结第56-57页
结论第57-59页
参考文献第59-62页
发表文章目录第62-63页
致谢第63-64页

论文共64页,点击 下载论文
上一篇:多维度影像及新媒介在文物保护中的应用研究--以唐建陵翁仲为例
下一篇:银行客户营销管理系统的设计与实现