| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-21页 |
| ·核磁共振成像(MRI)技术 | 第9-10页 |
| ·核磁共振脑组织图像特点 | 第10-12页 |
| ·脑肿瘤图像处理的意义和面临的困难 | 第12-14页 |
| ·脑肿瘤图像处理的重要性 | 第12-13页 |
| ·现阶段脑肿瘤图像处理的特点和面临的困难 | 第13-14页 |
| ·脑肿瘤图像处理的国内外研究现状 | 第14-19页 |
| ·图像恢复的国内外研究现状 | 第14-15页 |
| ·脑肿瘤检测的国内外研究现状 | 第15-19页 |
| ·本文的研究内容和组织结构 | 第19-21页 |
| ·本文的研究内容 | 第19页 |
| ·本文的组织结构 | 第19-21页 |
| 第二章 稀疏表示模型概述 | 第21-30页 |
| ·稀疏表示模型的提出 | 第21页 |
| ·稀疏表示理论 | 第21-24页 |
| ·稀疏表示模型的求解算法 | 第24-26页 |
| ·贪婪追踪算法 | 第24-25页 |
| ·凸松弛优化算法 | 第25-26页 |
| ·稀疏表示模型的应用 | 第26-29页 |
| ·稀疏表示模型的改进 | 第26-27页 |
| ·稀疏表示模型在图像处理中的应用 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于L1范数主成分分析的脑部图像恢复和肿瘤检测 | 第30-43页 |
| ·主成分分析概述 | 第30-33页 |
| ·PCA的数学模型 | 第30-32页 |
| ·PCA的计算方法 | 第32-33页 |
| ·基于L1范数的主成分分析算法 | 第33-36页 |
| ·算法的提出 | 第33页 |
| ·L1-PCA算法的基本原理 | 第33-35页 |
| ·L1-PCA算法的求解过程 | 第35-36页 |
| ·实验过程 | 第36-37页 |
| ·实验结果与分析 | 第37-41页 |
| ·恢复实验 | 第37-39页 |
| ·肿瘤检测实验 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于RPCA的脑肿瘤自动检测与提取 | 第43-59页 |
| ·鲁棒主成分分析(RPCA)的基本原理 | 第43-44页 |
| ·基于低秩矩阵和稀疏矩阵分解的鲁棒性校准(RASL)的基本原理 | 第44-45页 |
| ·RASL的可行性算法 | 第45-48页 |
| ·非凸函数的替换 | 第45页 |
| ·RASL的校准算法 | 第45-47页 |
| ·线性凸函数的最优化求解算法 | 第47-48页 |
| ·实验过程与实验结果 | 第48-58页 |
| ·实验过程 | 第48-49页 |
| ·仿真脑肿瘤图像实验 | 第49-54页 |
| ·真实脑肿瘤图像实验 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·全文总结 | 第59-60页 |
| ·工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间的科研成果 | 第68页 |