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

基于小波阈值及非线性滤波的医学图像去噪算法研究

摘要第8-9页
abstract第9-10页
第1章 绪论第11-21页
    1.1 研究的背景及意义第11-13页
        1.1.1 国内外研究现状第11-12页
        1.1.2 目前存在的不足第12页
        1.1.3 研究的意义第12-13页
    1.2 医学图像成像原理第13-15页
        1.2.1 X光成像原理第14页
        1.2.2 CT成像原理第14页
        1.2.3 超声图像成像原理第14页
        1.2.4 磁共振图像成像原理第14-15页
    1.3 医学图像去噪技术的概述第15-18页
        1.3.1 噪声产生类型及特点第15-16页
        1.3.2 图像去噪模型第16页
        1.3.3 传统的去噪方法第16-18页
    1.4 医学图像评价标准第18-19页
        1.4.1 主观评价指标第18页
        1.4.2 客观评价指标第18-19页
    1.5 论文研究的主要内容及结构安排第19-21页
        1.5.1 论文研究的主要内容第19-20页
        1.5.2 论文的结构安排第20-21页
第2章 基于改进的小波阈值去噪算法第21-30页
    2.1 传统小波阈值去噪算法第21-23页
        2.1.1 小波阈值去噪模型第21页
        2.1.2 小波阈值滤波算法第21-23页
    2.2 几种改进的小波阈值去噪算法第23-24页
        2.2.1 阈值选取规则的改进第23页
        2.2.2 阈值函数的改进第23-24页
    2.3 本文提出的小波阈值去噪算法第24-27页
        2.3.1 阈值函数的构建及实现步骤第25-26页
        2.3.2 阈值的选取第26-27页
    2.4 实验仿真结果对比及分析第27-29页
    2.5 本章小结第29-30页
第3章 基于Dual-Tree CWT和自适应双边滤波器的去噪算法第30-37页
    3.1 双树复小波(Dual-Tree CWT)去噪原理第30页
    3.2 本文去噪算法实现过程第30-34页
        3.2.1 阈值的选取第30-31页
        3.2.2 阈值函数的构建第31-32页
        3.2.3 自适应双边滤波器的选取第32-33页
        3.2.4 混合噪声去噪第33-34页
    3.3 仿真结果及其分析第34-36页
    3.4 本章小结第36-37页
第4章 基于DWT和修正中值滤波的医学图像耦合去噪算法第37-46页
    4.1 离散小波变换(DWT)第37-38页
    4.2 算法流程及其内容第38-41页
        4.2.1 改进的阈值函数第38-39页
        4.2.2 修正的中值滤波第39-40页
        4.2.3 具体的算法步骤第40-41页
    4.3 仿真结果及其分析第41-44页
    4.4 本章小结第44-46页
第5章 去噪在医疗体系视觉技术的应用第46-54页
    5.1 医疗系统中计算机视觉技术第46页
    5.2 基于视觉技术的目标特征的识别第46-52页
        5.2.1 图像的预处理第47-49页
        5.2.2 边缘检测算子第49-51页
        5.2.3 B超图像特征提取第51-52页
    5.3 本章小结第52-54页
第6章 总结和展望第54-56页
    6.1 工作总结第54-55页
    6.2 展望第55-56页
致谢第56-57页
参考文献第57-63页
作者在学期间取得的学术成果第63页

论文共63页,点击 下载论文
上一篇:基于室内场景图像的区域立体匹配算法的研究
下一篇:基于WIFI的密集人群行为分析及其服务系统