| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 医学图像融合发展与研究现状 | 第12-20页 |
| 1.3 论文的主要研究内容 | 第20-21页 |
| 1.4 论文章节安排 | 第21-23页 |
| 第2章 基础理论 | 第23-35页 |
| 2.1 多尺度分解理论 | 第23-26页 |
| 2.1.1 Contourlet变换理论 | 第23-25页 |
| 2.1.2 非下采样轮廓波变换理论 | 第25-26页 |
| 2.2 GIHS空间变换理论 | 第26-27页 |
| 2.3 混合模型及EM算法 | 第27-29页 |
| 2.3.1 概率混合模型 | 第27-28页 |
| 2.3.2 EM算法 | 第28-29页 |
| 2.4 一种低秩矩阵恢复的方法 | 第29-32页 |
| 2.4.1 RPCA模型的构建 | 第29-30页 |
| 2.4.2 RPCA模型的求解 | 第30-32页 |
| 2.5 评价指标 | 第32-34页 |
| 2.5.1 主观评价指标 | 第32页 |
| 2.5.2 客观评价指标 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于Contourlet和T混合模型的医学图像融合算法 | 第35-44页 |
| 3.1 T混合模型 | 第35-36页 |
| 3.2 图像融合算法 | 第36-39页 |
| 3.2.1 算法思想 | 第36-37页 |
| 3.2.2 基于T分布混合模型的低频融合规则 | 第37-39页 |
| 3.3 实验结果与分析 | 第39-43页 |
| 3.3.1 实验数据 | 第39-40页 |
| 3.3.2 融合结果分析 | 第40-43页 |
| 3.4 本章小节 | 第43-44页 |
| 第4章 基于NSCT和RPCA的医学图像融合算法 | 第44-56页 |
| 4.1 基于相似信息的RPCA模型 | 第44-48页 |
| 4.1.1 模型的构建 | 第44-46页 |
| 4.1.2 模型的求解 | 第46-48页 |
| 4.2 图像融合算法 | 第48-50页 |
| 4.3 实验结果与分析 | 第50-55页 |
| 4.3.1 实验设置 | 第50页 |
| 4.3.2 融合结果与分析 | 第50-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 在读期间研究成果及所获奖项 | 第66-67页 |
| 附录A | 第67-68页 |