基于压缩感知理论的不完全角度重建算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的主要研究内容 | 第12页 |
| 1.4 论文的组织结构 | 第12-15页 |
| 第2章 基于压缩感知的CT图像重建 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 压缩感知理论 | 第15-20页 |
| 2.2.1 正则化框架 | 第15-17页 |
| 2.2.2 稀疏表示 | 第17-18页 |
| 2.2.3 稀疏性度量 | 第18-20页 |
| 2.3 基于CS理论的TV模型 | 第20-22页 |
| 2.3.1 TV最小化模型框架 | 第21-22页 |
| 2.4 CS理论在图像重建中的应用 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于各向异性总变分最小化的CT重建算法 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 不完全角度重建描述 | 第25-27页 |
| 3.3 各向同性TV最小化算法分析 | 第27-29页 |
| 3.3.1 收敛性分析 | 第28-29页 |
| 3.4 基于各向异性TV最小化的算法设计与实现 | 第29-32页 |
| 3.4.1 收敛性分析 | 第31-32页 |
| 3.5 实验结果 | 第32-36页 |
| 3.5.1 稀疏性及采样条件分析 | 第32-33页 |
| 3.5.2 仿真数据重建 | 第33-36页 |
| 3.6 本章小结 | 第36-39页 |
| 第4章 系统矩阵分析 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 系统矩阵分析 | 第39-51页 |
| 4.2.1 稀疏角度系统矩阵分析 | 第40-43页 |
| 4.2.2 极稀疏角度系统矩阵分析 | 第43-47页 |
| 4.2.3 必要条件研究 | 第47-49页 |
| 4.2.4 经验下界 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-61页 |
| 致谢 | 第61页 |
