| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景与意义 | 第7-11页 |
| 1.1.1 CT简介 | 第7-8页 |
| 1.1.2 CT成像原理 | 第8-10页 |
| 1.1.3 LDCT的临床意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 稀疏表示理论基础 | 第15-25页 |
| 2.1 稀疏表示理论 | 第15-18页 |
| 2.1.1 信号的稀疏表示 | 第15页 |
| 2.1.2 稀疏的度量 | 第15-16页 |
| 2.1.3 冗余稀疏表示 | 第16页 |
| 2.1.4 唯一性和不确定性 | 第16-17页 |
| 2.1.5 稀疏分解算法 | 第17-18页 |
| 2.2 字典学习算法 | 第18-23页 |
| 2.2.1 MOD算法 | 第19页 |
| 2.2.2 K-SVD算法 | 第19-20页 |
| 2.2.3 OLM算法 | 第20-21页 |
| 2.2.4 FDL-PG算法 | 第21-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 基于稀疏表示和字典学习的低剂量CT图像恢复 | 第25-37页 |
| 3.1 图像的稀疏表示模型 | 第25-27页 |
| 3.1.1 小块图像稀疏表示模型 | 第25-26页 |
| 3.1.2 全图像的稀疏表示模型 | 第26-27页 |
| 3.1.3 稀疏模型的求解 | 第27页 |
| 3.2 基于字典学习的LDCT图像稀疏去噪模型 | 第27-28页 |
| 3.3 基于字典学习的LDCT图像稀疏去噪 | 第28-32页 |
| 3.3.1 实验数据-DICOM格式文件 | 第28-29页 |
| 3.3.2 LDCT图像的模拟 | 第29-31页 |
| 3.3.3 LDCT图像质量评价方法 | 第31页 |
| 3.3.4 实验设计 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-36页 |
| 3.4.1 体模图像去噪结果与分析 | 第32-34页 |
| 3.4.2 临床CT图像去噪结果与分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于FDL-PG与PCA算法的低剂量CT图像恢复 | 第37-47页 |
| 4.1 主成分分析 | 第37-38页 |
| 4.2 基于PCA的图像稀疏表示模型 | 第38页 |
| 4.3 稀疏模型求解 | 第38-39页 |
| 4.4 基于FDL-PG-PCA的LDCT图像稀疏去噪模型 | 第39-41页 |
| 4.5 实验及结果分析 | 第41-45页 |
| 4.5.1 实验设计 | 第41页 |
| 4.5.2 体模图像去噪结果与分析 | 第41-43页 |
| 4.5.3 临床CT图像去噪结果与分析 | 第43-45页 |
| 4.6 本章小结 | 第45-47页 |
| 第5章 基于FDL-PG与BM3D算法的低剂量CT图像恢复 | 第47-57页 |
| 5.1 BM3D算法 | 第47-48页 |
| 5.2 基于BM3D的图像稀疏表示模型 | 第48-49页 |
| 5.3 稀疏模型求解 | 第49页 |
| 5.4 基于FDL-PG-BM3D的LDCT图像稀疏去噪模型 | 第49-51页 |
| 5.5 实验及结果分析 | 第51-55页 |
| 5.5.1 实验设计 | 第51页 |
| 5.5.2 体模图像去噪结果与分析 | 第51-53页 |
| 5.5.3 临床CT图像去噪结果与分析 | 第53-55页 |
| 5.6 本章小结 | 第55-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
