| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 医学图像去噪的意义 | 第7页 |
| 1.2 图像去噪的研究现状 | 第7-9页 |
| 1.3 比较医学图像去噪方法的意义 | 第9页 |
| 1.4 本文内容介绍 | 第9-10页 |
| 第二章 图像噪声分析 | 第10-14页 |
| 2.1 噪声的分类 | 第10页 |
| 2.2 图像中的噪声 | 第10页 |
| 2.3 噪声的数学模型 | 第10-11页 |
| 2.4 几种典型噪声的概率模型 | 第11-12页 |
| 2.5 本章小结 | 第12-14页 |
| 第三章 基于偏微分方程的图像去噪 | 第14-25页 |
| 3.1 基于P-M 扩散模型的图像去噪 | 第14-19页 |
| 3.2 基于全变差的图像去噪 | 第19-24页 |
| 3.2.1 变分法基础 | 第19-20页 |
| 3.2.2 变分法在图像处理中的应用 | 第20页 |
| 3.2.3 全变差在图像去噪中的应用 | 第20-22页 |
| 3.2.4 一种新的全变差图像去噪方法 | 第22-24页 |
| 3.3 本章小结 | 第24-25页 |
| 第四章 双边滤波 | 第25-27页 |
| 4.1 双边滤波原理 | 第25-26页 |
| 4.2 本章小结 | 第26-27页 |
| 第五章 变换域图像去噪方法 | 第27-43页 |
| 5.1 信号表示 | 第27-33页 |
| 5.1.1 信号的正交分解 | 第27-30页 |
| 5.1.2 信号的稀疏表示 | 第30-33页 |
| 5.2 基于小波变换的图像去噪 | 第33-40页 |
| 5.2.1 图像的多分辨率分解与合成 | 第34-35页 |
| 5.2.2 小波阈值收缩去噪 | 第35-37页 |
| 5.2.3 小波模极大值去噪 | 第37-38页 |
| 5.2.4 小波系数相关性去噪 | 第38页 |
| 5.2.5 一种层间正交小波阈值去噪方法 | 第38-40页 |
| 5.3 基于稀疏变换的图像去噪 | 第40-41页 |
| 5.3.1 基于匹配跟踪的图像的稀疏分解 | 第40-41页 |
| 5.3.2 基于稀疏分解的图像去噪 | 第41页 |
| 5.4 本章小结 | 第41-43页 |
| 第六章 图像去噪效果评价 | 第43-64页 |
| 6.1 各种方法去噪参数的选取 | 第43-45页 |
| 6.2 图像去噪效果的评价方法 | 第45-46页 |
| 6.3 仿真实验及结果分析 | 第46-63页 |
| 6.3.1 Shepp-Logan 仿真图像的去噪及结果分析 | 第46-54页 |
| 6.3.2 T1 加权的脑部磁共振仿真图像的去噪及结果分析 | 第54-63页 |
| 6.4 本章小结 | 第63-64页 |
| 第七章 全文总结 | 第64-66页 |
| 7.1 主要结论 | 第64页 |
| 7.2 研究展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士学位期间已发表或录用的论文 | 第73-75页 |