| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 医学图像检索概述 | 第8页 |
| 1.1.2 医学图像配准概述 | 第8-9页 |
| 1.1.3 SIFT算法概述 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 医学图像检索技术的研究现状 | 第10-11页 |
| 1.2.2 医学图像配准技术的研究现状 | 第11-13页 |
| 1.3 本论文的主要内容 | 第13-15页 |
| 第二章 SIFT算法 | 第15-25页 |
| 2.1 SIFT算法的主要步骤 | 第15-21页 |
| 2.1.1 检测尺度空间极值点 | 第15-17页 |
| 2.1.2 确定特征点位置 | 第17-19页 |
| 2.1.3 提取特征点主方向 | 第19页 |
| 2.1.4 生成特征描述子 | 第19-21页 |
| 2.2 SIFT算法的主要变种 | 第21-24页 |
| 2.2.1 PCA-SIFT算法 | 第21-22页 |
| 2.2.2 SURF算法 | 第22页 |
| 2.2.3 GLOH算法 | 第22-23页 |
| 2.2.4 ASIFT算法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于双尺度交叠小块和梯度分解的SIFT改进算法 | 第25-34页 |
| 3.1 特征描述子生成的改进 | 第25-28页 |
| 3.1.1 邻域中网格选取方式 | 第25-27页 |
| 3.1.2 梯度方向分解 | 第27-28页 |
| 3.2 实验结果与分析 | 第28-32页 |
| 3.2.1 图像与经过给定变换后图像的匹配结果 | 第28-30页 |
| 3.2.2 不同光照和视角下具有相似场景的图像的匹配结果 | 第30-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第四章 SIFT算法在医学CT图像检索中的应用 | 第34-48页 |
| 4.1 基于SIFT特征和近似最近邻算法的医学CT图像检索 | 第34-42页 |
| 4.1.1 灰度直方图预筛选 | 第35-36页 |
| 4.1.2 SIFT特征提取及匹配 | 第36-37页 |
| 4.1.3 实验结果与分析 | 第37-42页 |
| 4.2 基于SIFT词包模型的医学CT图像检索 | 第42-46页 |
| 4.2.1 基于SIFT词包模型的方法流程图 | 第43-44页 |
| 4.2.2 实验结果与分析 | 第44-45页 |
| 4.2.3 基于近似最近邻的方法和基于词包模型的方法的比较 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 SIFT算法在医学CT图像配准中的应用 | 第48-57页 |
| 5.1 点集匹配算法 | 第48-49页 |
| 5.1.1 相干点集漂移算法 | 第48-49页 |
| 5.2 结合SIFT和边缘点集匹配的医学CT图像配准 | 第49-52页 |
| 5.2.1 初步配准 | 第49-51页 |
| 5.2.2 精确配准 | 第51-52页 |
| 5.4 实验结果与分析 | 第52-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 附录：硕士期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |
