| 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 |
