附件 | 第5-7页 |
摘要 | 第7-9页 |
ABSTRACT | 第9-11页 |
缩语表 | 第12-14页 |
目录 | 第14-17页 |
第一章 绪论 | 第17-27页 |
1.1 选题目的及意义 | 第17-18页 |
1.2 先验知识约束研究现状 | 第18-21页 |
1.3 人类视觉认知及信息编码模型的相关研究 | 第21-24页 |
1.4 本论文的研究内容及组织结构 | 第24-27页 |
第二章 理论背景知识 | 第27-33页 |
2.1 稀疏表达 | 第27-29页 |
2.2 GABOR函数 | 第29-30页 |
2.3 字典学习 | 第30-31页 |
2.4 FENCHEL-DUALITY定理 | 第31-32页 |
2.5 本章小结 | 第32-33页 |
第三章 磁共振不均匀场消除 | 第33-41页 |
3.1 磁场不均匀性 | 第33-34页 |
3.2 磁场不均匀性消除 | 第34-37页 |
3.3 数值实验 | 第37-40页 |
3.3.1 仿真MR图像恢复 | 第38-39页 |
3.3.2 实数据MR图像恢复 | 第39-40页 |
3.4 本章小结 | 第40-41页 |
第四章 基于GABOR滤波器的图像恢复算法GFNLM | 第41-60页 |
4.1 非局部平均算法 | 第41-43页 |
4.2 纹理图像特征提取 | 第43-44页 |
4.3 GABOR参数的选择 | 第44-45页 |
4.4 纹理图像的恢复结果 | 第45-52页 |
4.4.1 与经典NLM算法的对比 | 第46-48页 |
4.4.2 与流行算法的对比 | 第48-52页 |
4.5 讨论 | 第52-59页 |
4.5.1 权重分布讨论 | 第52-54页 |
4.5.2 GFNLM参数设置讨论 | 第54-57页 |
4.5.3 计算复杂度讨论 | 第57页 |
4.5.4 恢复部分纹理图像 | 第57-59页 |
4.6 本章小结 | 第59-60页 |
第五章 基于原空间的l1-l1字典学习算法DL-INR | 第60-95页 |
5.1 脉冲噪声消除现状 | 第60-62页 |
5.2 DL-INR算法 | 第62-66页 |
5.2.1 脉冲噪声模型 | 第62-63页 |
5.2.2 l1-l1最小化 | 第63-64页 |
5.2.3 稀疏系数矩砗更新 | 第64-66页 |
5.2.4 算法总结 | 第66页 |
5.3 图像恢复实验 | 第66-86页 |
5.3.1 仿真MR图像恢复 | 第67-71页 |
5.3.2 临床MR图像恢复 | 第71-77页 |
5.3.3 自然图像恢复 | 第77-86页 |
5.4 讨论 | 第86-93页 |
5.4.1 DL-INR参数设置 | 第86-90页 |
5.4.2 直流分量消除 | 第90-93页 |
5.4.3 DL-INR计算负荷 | 第93页 |
5.5 本章小结 | 第93-95页 |
第六章 MRI热噪声消除 | 第95-102页 |
6.1 MRI图像中的热噪声 | 第95-96页 |
6.2 RICIAN噪声模型及去噪理论 | 第96-98页 |
6.3 数值实验与结果 | 第98-101页 |
6.3.1 视觉对比 | 第98-99页 |
6.3.2 量化对比 | 第99-101页 |
6.4 本章小节 | 第101-102页 |
第七章 基于FENCHEL-DUAILTY的字典学习算法FD-DL | 第102-122页 |
7.1 图像恢复模型 | 第102-103页 |
7.2 对偶目标函数的建立及求解 | 第103-107页 |
7.2.1 字典和系数矩阵的更新 | 第103-106页 |
7.2.2 对图像的更新 | 第106-107页 |
7.3 FD-DL算法总结 | 第107页 |
7.4 数值实验 | 第107-116页 |
7.5 讨论 | 第116-121页 |
7.5.1 初始字典 | 第116-118页 |
7.5.2 计算负荷 | 第118-119页 |
7.5.3 噪声估计 | 第119-121页 |
7.6 本章小结 | 第121-122页 |
第八章 全文总结 | 第122-125页 |
8.1 主要结论 | 第122-123页 |
8.2 研究展望 | 第123-125页 |
参考文献 | 第125-144页 |
攻读博士学位期间已发表和录用的论文 | 第144-147页 |
致谢 | 第147-148页 |