| 1 绪论 | 第1-11页 |
| ·引言 | 第9-10页 |
| ·本课题的理论意义和应用价值 | 第9页 |
| ·国内外研究及发展趋势 | 第9-10页 |
| ·本文贡献 | 第10-11页 |
| 2 图像去噪的小波技术 | 第11-27页 |
| ·小波导论 | 第11-15页 |
| ·小波的由来和定义 | 第11-12页 |
| ·连续小波和二进小波变换 | 第12-14页 |
| ·小波在信号处理方面的优点 | 第14-15页 |
| ·离散小波变换 | 第15-27页 |
| ·简要介绍小波框架和小波基 | 第16-17页 |
| ·多尺度分析(MRA) | 第17-18页 |
| ·快速离散小波变换 | 第18-21页 |
| ·二维的离散小波变换 | 第21-22页 |
| ·小波域的图像去噪 | 第22-25页 |
| ·图像的小波阀值算法 | 第25-27页 |
| 3 基于贝叶斯统计模型的图像去噪算法 | 第27-38页 |
| ·贝叶斯统计引论 | 第27-36页 |
| ·贝叶斯统计的基本思想 | 第27-29页 |
| ·先验分布的选取 | 第29-33页 |
| ·贝叶斯估计及检验 | 第33-36页 |
| ·基于贝叶斯统计的图像分析 | 第36-38页 |
| 4 基于非高斯分布和上下文模型的小波去噪算法 | 第38-57页 |
| ·非高斯二元分布模型 | 第38-48页 |
| ·小波阀值 | 第38页 |
| ·图像去噪的贝叶斯统计框架 | 第38-39页 |
| ·非高斯二元先验分布 | 第39-43页 |
| ·基于贝叶斯模型的后验分布 | 第43-46页 |
| ·Newton-Rophson 方法简介 | 第46-48页 |
| ·上下文模型 | 第48-53页 |
| ·上下文模型简介 | 第48-49页 |
| ·因果型的上下文模型 | 第49-50页 |
| ·最简单因果型(Simplest Causal Model) | 第49-50页 |
| ·改进的简单因果模型(SP2) | 第50页 |
| ·非因果型的上下文模型 | 第50-51页 |
| ·上下文选择、量化、和模型框架(CSQM) | 第51页 |
| ·多分辨率预测模型 | 第51页 |
| ·上下文模型求取方差 | 第51-53页 |
| ·新的去噪算法框架和试验结果 | 第53-57页 |
| 算法1 | 第53-54页 |
| 算法2 | 第54-57页 |
| 5 医学MR 图像去噪 | 第57-69页 |
| ·医学图像的基本概念 | 第57-59页 |
| ·医学图像的数字化 | 第57-58页 |
| ·医学图像系数和典型文件 | 第58-59页 |
| ·MR 图像分割项目 | 第59-64页 |
| ·MR 成像原理简介 | 第59-61页 |
| ·核磁共振 | 第59-60页 |
| ·医学核磁共振成像 | 第60-61页 |
| ·临床和科学意义 | 第61页 |
| ·MR 图像分割项目 | 第61-64页 |
| ·图像预处理 | 第62页 |
| ·判别式分析 | 第62-63页 |
| ·概率密度函数 | 第63页 |
| ·线性变换 | 第63-64页 |
| ·分类方法 | 第64页 |
| ·MR 图像去噪处理 | 第64-69页 |
| ·MR 图像去噪简介 | 第64-65页 |
| ·MR 图像去噪算法和试验结果 | 第65-69页 |
| 算法1 | 第65-66页 |
| 算法2 | 第66-69页 |
| 6 结论 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 读研期间科研成果简介 | 第75-76页 |
| 声明 | 第76-77页 |
| 致谢 | 第77页 |