| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文研究内容及章节安排 | 第15-17页 |
| 1.3.1 本文的主要研究内容 | 第15页 |
| 1.3.2 本文的章节安排 | 第15-17页 |
| 第二章 微聚集X射线图像稀疏重建基础 | 第17-28页 |
| 2.1 微聚集X射线图像特点 | 第17-21页 |
| 2.1.1 微聚集X射线成像特点 | 第17-18页 |
| 2.1.2 微聚集X射线图像噪声模型 | 第18-19页 |
| 2.1.3 基于正则化的图像重建目标函数 | 第19-21页 |
| 2.2 稀疏表示和字典学习基本理论 | 第21-27页 |
| 2.2.1 稀疏表示 | 第21-23页 |
| 2.2.2 稀疏分解算法 | 第23-26页 |
| 2.2.3 字典更新算法 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于K-SVD字典学习和全变分正则化的稀疏重建方法 | 第28-54页 |
| 3.1 数据保真项和稀疏约束项相分离的稀疏重建目标函数 | 第28-30页 |
| 3.2 基于K-SVD字典学习和全变分正则化的稀疏重建方法 | 第30-37页 |
| 3.2.1 稀疏求解和字典更新 | 第30-32页 |
| 3.2.2 全变分正则化求解方法 | 第32-35页 |
| 3.2.3 保真项系数自适应方法 | 第35-36页 |
| 3.2.4 算法整体流程 | 第36-37页 |
| 3.3 实验及结果分析 | 第37-53页 |
| 3.3.1 实验设计 | 第37-40页 |
| 3.3.2 结果分析 | 第40-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于数据保真项与稀疏约束项相融合的字典学习稀疏重建方法 | 第54-74页 |
| 4.1 保真项和约束项相融合的稀疏重建目标函数 | 第54-56页 |
| 4.2 基于学习的稀疏重建方法的改进算法 | 第56-65页 |
| 4.2.1 块聚类 | 第56-57页 |
| 4.2.2 稀疏求解和字典更新 | 第57-62页 |
| 4.2.3 算法整体框架 | 第62-65页 |
| 4.3 实验结果及分析 | 第65-73页 |
| 4.3.1 实验设计 | 第65-67页 |
| 4.3.2 结果分析 | 第67-73页 |
| 4.4 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 读硕士期间取得的研究成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 答辩委员会对论文的评定意见 | 第83页 |
