| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 论文选题的背景和意义 | 第10-11页 |
| 1.2 论文选题的理论基础和研究现状 | 第11-19页 |
| 1.2.1 CT成像原理 | 第11-13页 |
| 1.2.1.1 CT成像的物理原理 | 第11-12页 |
| 1.2.1.2 CT重建的数学原理 | 第12-13页 |
| 1.2.2 CT重建算法 | 第13-17页 |
| 1.2.3 显微CT图像低剂量噪声抑制算法的研究现状 | 第17-18页 |
| 1.2.4 显微CT图像超分辨重建算法的研究现状 | 第18-19页 |
| 1.3 论文的研究内容及难点 | 第19-20页 |
| 1.4 论文的章节安排 | 第20-22页 |
| 第二章 高分辨显微CT的低剂量噪声抑制算法研究 | 第22-38页 |
| 2.1 低剂量情况下投影数据的噪声统计模型 | 第22-23页 |
| 2.1.1 原始投影数据的统计特性 | 第22页 |
| 2.1.2 经过系统校准和对数变换后的投影数据的统计特性 | 第22-23页 |
| 2.2 PWLS算法及改进方法介绍 | 第23-26页 |
| 2.2.1 PWLS算法介绍 | 第23-24页 |
| 2.2.2 改进方法介绍 | 第24-26页 |
| 2.3 算法实验 | 第26-36页 |
| 2.3.1 模拟数据实验 | 第26-29页 |
| 2.3.1.1 Shepp-Logan投影数据的噪声模型 | 第26-27页 |
| 2.3.1.2 Shepp-Logan投影数据重建 | 第27-29页 |
| 2.3.2 实际投影数据实验 | 第29-36页 |
| 2.3.2.1 小动物CT实际投影数据的噪声模型 | 第29-31页 |
| 2.3.2.2 小动物CT实际投影数据重建 | 第31-34页 |
| 2.3.2.3 高分辨CT实际投影数据重建 | 第34-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 基于GPU加速的PWLS算法实现方法研究 | 第38-52页 |
| 3.1 并行计算简介 | 第38-41页 |
| 3.1.1 CUDA编程模型 | 第38-40页 |
| 3.1.2 CUDA存储器模型 | 第40-41页 |
| 3.2 PWLS算法在三维锥束CT重建中的并行方法实现 | 第41-47页 |
| 3.2.1 PWLS算法总体并行思路 | 第41-42页 |
| 3.2.2 基于射线的投影和差值修正运算并行方法 | 第42-45页 |
| 3.2.2.1 系统矩阵的计算 | 第42-44页 |
| 3.2.2.2 投影和差值修正的并行计算方法 | 第44-45页 |
| 3.2.3 基于像素的反投影运算并行方法 | 第45-47页 |
| 3.3 实验结果与分析 | 第47-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 显微CT超分辨重建算法研究 | 第52-62页 |
| 4.1 超分辨重建模型的建立 | 第52-54页 |
| 4.2 基于字典学习的显微CT图像超分辨重建算法 | 第54-56页 |
| 4.2.1 字典表达 | 第54-55页 |
| 4.2.2 字典学习 | 第55页 |
| 4.2.3 基于字典学习的迭代重建算法 | 第55-56页 |
| 4.3 实验结果与分析 | 第56-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 总结和展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者简介 | 第70页 |
