基于字典学习的光声成像方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景和研究意义 | 第8-10页 |
| 1.1.1 光声成像及其优点 | 第8-9页 |
| 1.1.2 光声成像方式 | 第9页 |
| 1.1.3 欠采样光声层析成像的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 光声层析成像的应用与研究现状 | 第10页 |
| 1.2.2 欠采样光声层析成像重建算法研究现状 | 第10-11页 |
| 1.3 本文的研究工作和内容安排 | 第11-12页 |
| 1.4 本文的创新之处 | 第12-13页 |
| 第2章 基于稀疏表示的图像去噪方法 | 第13-18页 |
| 2.1 稀疏表示 | 第13-14页 |
| 2.1.1 稀疏表示问题 | 第13页 |
| 2.1.2 匹配追踪算法 | 第13-14页 |
| 2.2 生成图像字典的算法 | 第14-16页 |
| 2.2.1 K-SVD算法 | 第15-16页 |
| 2.3 基于字典学习的图像去噪方法 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 基于字典学习的光声成像方法 | 第18-29页 |
| 3.1 引言 | 第18页 |
| 3.2 基于字典学习的光声图像去噪方法 | 第18-20页 |
| 3.3 在体实验结果和结论 | 第20-27页 |
| 3.3.1 成像系统 | 第20-22页 |
| 3.3.2 在体实验结果 | 第22-27页 |
| 3.4 本章小结 | 第27-29页 |
| 第4章 基于双字典学习的光声成像方法 | 第29-47页 |
| 4.1 引言 | 第29页 |
| 4.2 基于双字典学习的光声图像去噪方法 | 第29-33页 |
| 4.2.1 空间域双字典学习方法 | 第29-30页 |
| 4.2.2 小波域双字典学习方法 | 第30-33页 |
| 4.3 在体实验结果和结论 | 第33-46页 |
| 4.3.1 在体小鼠成像 | 第33-40页 |
| 4.3.2 在体人手成像 | 第40-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 结论 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 在读期间发表的学术论文及研究成果 | 第53-54页 |
| 致谢 | 第54页 |
