| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 字典学习研究现状 | 第12-14页 |
| 1.2.2 图像重建算法研究现状 | 第14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 第2章 压缩感知基本理论 | 第16-22页 |
| 2.1 引言 | 第16-17页 |
| 2.2 压缩感知理论的核心问题 | 第17-20页 |
| 2.2.1 信号的稀疏表示 | 第17-19页 |
| 2.2.2 测量矩阵的设计 | 第19页 |
| 2.2.3 信号的重建 | 第19-20页 |
| 2.3 压缩感知理论的应用 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于自适应正交字典的医学图像重建算法 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 基于自适应过完备字典学习的医学图像重建算法 | 第22-24页 |
| 3.3 基于自适应正交字典的图像重建算法 | 第24-28页 |
| 3.3.1 正交字典 | 第24-25页 |
| 3.3.2 算法实现 | 第25-28页 |
| 3.4 实验结果及分析 | 第28-33页 |
| 3.4.1 图像质量的评价标准 | 第28-30页 |
| 3.4.2 实验结果 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于自适应紧标架学习的医学图像重建算法 | 第34-46页 |
| 4.1 引言 | 第34页 |
| 4.2 基于解析模型的稀疏表示理论 | 第34页 |
| 4.3 基于紧标架学习的医学图像重建算法 | 第34-39页 |
| 4.3.1 紧标架 | 第34-35页 |
| 4.3.2 算法实现 | 第35-39页 |
| 4.4 实验结果及分析 | 第39-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 基于紧标架的相位校正医学图像重建算法 | 第46-56页 |
| 5.1 引言 | 第46页 |
| 5.2 相位误差产生原理 | 第46-47页 |
| 5.3 基于紧标架的相位校正医学图像重建算法 | 第47-55页 |
| 5.3.1 算法实现 | 第47-49页 |
| 5.3.2 实验结果及分析 | 第49-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |