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

基于结构相似性的磁共振图像去噪新算法研究

摘要第3-8页
ABSTRACT第8-13页
第一章 绪论第17-22页
    1.1 磁共振成像概述第17-18页
    1.2 磁共振成像的医学临床应用第18-19页
    1.3 医学磁共振图像去噪的目的和意义第19-20页
    1.4 本文的研究内容和结构安排第20-22页
第二章 磁共振图像去噪研究概况第22-31页
    2.1 磁共振成像的基本原理第22页
    2.2 磁共振图像噪声分析第22-24页
    2.3 磁共振图像常见的去噪算法第24-31页
        2.3.1 低通高斯滤波第24-25页
        2.3.2 基于梯度的去噪算法第25-26页
        2.3.3 基于变换域的去噪算法第26页
        2.3.4 基于最大似然估计的去噪算法第26-27页
        2.3.5 非局部均值去噪算法第27-28页
        2.3.6 三维块匹配去噪算法第28-29页
        2.3.7 基于高阶奇异值分解的去噪算法第29-31页
第三章 张量和高阶奇异值分解第31-36页
    3.1 张量基本概念第31-33页
    3.2 奇异值分解第33-34页
    3.3 高阶奇异值分解第34-36页
第四章 基于高阶奇异值分解的三维磁共振图像去噪第36-55页
    4.1 本章前言第36-38页
    4.2 基于HOSVD二维图像去噪算法第38-40页
    4.3 HOSVD-W在三维MR图像去噪中的应用第40-41页
    4.4 HOSVD-R去噪算法第41-42页
    4.5 实验设置第42-49页
        4.5.1 实验数据第42-46页
        4.5.2 评价方法第46页
        4.5.3 参数选择第46-49页
    4.6 实验结果与分析第49-52页
        4.6.1 模拟实验结果与分析第49-52页
        4.6.2 真实实验结果与分析第52页
    4.7 本章讨论和结论第52-55页
第五章 基于高阶奇异值分解的扩散加权图像去噪算法第55-78页
    5.1 本章前言第55-58页
    5.2 GL-HOSVD算法实现第58-63页
        5.2.1 GL-HOSVD的第一步去噪过程第59-60页
        5.2.2 GL-HOSVD的第二步去噪过程第60-62页
        5.2.3 GL-HOSVD对非高斯噪声的DWI幅值图像去噪第62-63页
    5.3 实验设置第63-73页
        5.3.1 实验数据第63-64页
        5.3.2 评价方法第64-65页
        5.3.3 参数选择第65-67页
        5.3.4 算法验证第67-69页
        5.3.5 不同DWI去噪算法比较第69-73页
    5.4 实验结果与分析第73-76页
        5.4.1 模拟实验结果与分析第73-74页
        5.4.2 真实实验结果与分析第74-76页
    5.5 本章讨论与小结第76-78页
第六章 基于非局部均值的磁共振图像去噪算法第78-94页
    6.1 引言第78-79页
    6.2 非局部均值滤波第79-81页
    6.3 RNLM-CPP去噪算法的实现第81-83页
    6.4 实验设置第83-85页
        6.4.1 实验数据第83页
        6.4.2 评价方法第83-84页
        6.4.3 参数选择第84-85页
    6.5 实验结果与分析第85-93页
        6.5.1 模拟实验结果第85-90页
        6.5.2 真实实验结果第90-93页
    6.6 本章讨论与小结第93-94页
第七章 总结与展望第94-97页
    7.1 本文工作总结第94-95页
    7.2 未来工作展望第95-97页
参考文献第97-108页
博士期间成果第108-110页
致谢第110-111页

论文共111页,点击 下载论文
上一篇:SWI/SNF染色质重塑复合物在非小细胞肺癌中调控基因沉默和KEAP1-NRF2-ARE信号通路的分子机制研究
下一篇:核磁共振图像前列腺分割算法研究