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

DTI图像去噪方法研究

摘要第3-5页
ABSTRACT第5-7页
符号说明第13-15页
第一章 绪论第15-21页
    1.1 本文研究意义和DTI 研究现状第15-18页
    1.2 本文工作概述第18-21页
        1.2.1 研究工作要点第18-19页
        1.2.2 本文章节结构第19-21页
第二章 扩散张量成像基础第21-39页
    2.1 磁共振成像的原理与分析第21-22页
        2.1.1 磁共振成像第21页
        2.1.2 弛豫和共振信号的产生第21-22页
            2.1.2.1 自旋-晶格弛豫第21-22页
            2.1.2.2 自旋-自旋弛豫第22页
    2.2 磁共振成像术——快速成像序列第22-23页
    2.3 扩散成像第23-24页
        2.3.1 扩散定律第23-24页
        2.3.2 扩散与梯度场的关系第24页
    2.4 扩散张量成像第24-32页
        2.4.1 张量的计算第25-27页
        2.4.2 扩散张量的特征值和特征向量第27-28页
        2.4.3 扩散各向异性量的计算第28-32页
    2.5 扩散张量成像的可视化技术第32-38页
        2.5.1 大脑结构第33-34页
        2.5.2 张量图像可视化第34-35页
        2.5.3 人脑白质纤维追踪第35-36页
        2.5.4 MedINRIA第36-38页
    2.6 本章小结第38-39页
第三章 DTI 的噪声分析第39-45页
    3.1 赖斯噪声第39-41页
    3.2 DTI 的噪声性能分析第41-44页
    3.3 本章小结第44-45页
第四章 基于STA 的DTI 图像去噪第45-59页
    4.1 基本概念第45-52页
        4.1.1 邻域系统和簇第45-47页
        4.1.2 Markov 随机场第47页
        4.1.3 Gibbs 随机场第47-48页
        4.1.4 Markov-Gibbs 等价性第48页
        4.1.5 Gaussian MRF 模型第48-49页
        4.1.6 MAP-MRF 方法第49-51页
        4.1.7 模拟退火(SA)算法第51-52页
    4.2 DTI 图像的随机场模型第52-53页
    4.3 DTI 图像去噪算法第53-54页
    4.4 实验结果第54-57页
    4.5 本章小结第57-59页
第五章 基于标量偏微分方程的DTI 图像去噪第59-78页
    5.1 引言第59页
    5.2 各向同性扩散第59-60页
    5.3 各向异性扩散方程第60-69页
        5.3.1 Perona-Malik 各向异性扩散方程第60-65页
            5.3.1.1 噪声性能参数第62-63页
            5.3.1.2 模拟数据第63-64页
            5.3.1.3 真实数据第64-65页
        5.3.2 具有高斯核的各向异性扩散方程第65-67页
            5.3.2.1 模拟数据第65-66页
            5.3.2.2 真实数据第66-67页
        5.3.3 非高斯核的各向异性扩散方程第67-68页
            5.3.3.1 模拟数据第67-68页
            5.3.3.2 真实数据第68页
        5.3.4 鲁棒统计和各向异性扩散第68-69页
    5.4 全变分偏微分方程第69-72页
    5.5 复扩散偏微分方程第72-76页
        5.5.1 模拟数据第73-74页
        5.5.2 真实数据第74-75页
        5.5.3 TV 与复扩散的比较第75-76页
        5.5.4 结论第76页
    5.6 仿射不变梯度偏微分方程第76-77页
    5.7 本章小结第77-78页
第六章 基于向量偏微分方程的DTI 图像去噪第78-95页
    6.1 引言第78页
    6.2 向量图像扩散以及与向量图像正则化的关系第78-81页
    6.3 向量几何第81-82页
    6.4 典型的向量实扩散偏微分方程第82-83页
    6.5 向量复扩散模型第83页
    6.6 向量偏微分方程和标量偏微分方程的去噪效果比较第83-87页
        6.6.1 模拟数据第84-85页
        6.6.2 真实数据第85-87页
    6.7 不同类型向量偏微分方程的图像去噪效果比较第87-88页
    6.8 基于AIG 的向量图像非线性各向异性平滑方法第88-94页
        6.8.1 AINAD 向量模型第89-91页
        6.8.2 实验及其结果第91-94页
            6.8.2.1 模拟数据第91-92页
            6.8.2.2 真实数据第92-94页
    6.9 本章小结第94-95页
第七章 基于多通道向量小波的DTI 图像去噪第95-108页
    7.1 引言第95页
    7.2 小波变换第95-99页
        7.2.1 基本原理第95-96页
        7.2.2 正交小波基与多分辨分析第96-97页
        7.2.3 二维离散小波变换第97-99页
    7.3 小波图像处理第99-100页
    7.4 MRI 图像的小波去噪方法第100-102页
    7.5 基于多通道小波的图像去噪方法第102-103页
    7.6 基于多通道向量小波的DWI 图像去噪方法第103-107页
        7.6.1 算法步骤第104页
        7.6.2 实验及其结果第104-107页
            7.6.2.1 模拟数据第105-106页
            7.6.2.2 实际数据第106-107页
            7.6.2.3 结论第107页
    7.7 本章小结第107-108页
第八章 基于混合滤波模型的DTI 图像去噪第108-117页
    8.1 引言第108-109页
    8.2 多通道向量小波与向量复扩散滤波方法比较第109-111页
        8.2.1 模拟数据第109-111页
        8.2.2 真实数据第111页
        8.2.3 结论第111页
    8.3 基于改进的扩散方程的向量小波混合滤波方法第111-115页
        8.3.1 混合滤波模型第111-112页
        8.3.2 实验及其结果第112-115页
            8.3.2.1 模拟数据第112-113页
            8.3.2.2 实际数据第113-115页
    8.4 基于复扩散的向量小波去噪方法第115-116页
    8.5 本章小结第116-117页
第九章 结论及展望第117-120页
    9.1 论文主要研究成果与创新点第117-118页
    9.2 展望第118-120页
参考文献第120-134页
攻读博士学位期间已发表或录用的论文第134-136页
攻读博士学位期间参与的科研项目第136-137页
致谢第137-139页

论文共139页,点击 下载论文
上一篇:600MW超临界汽轮机再热主汽阀门动力学建模与虚拟样机研究
下一篇:基于知识网格的知识供应理论与技术