| 名词缩写中英文对照表 | 第4-10页 |
| 摘要 | 第10-11页 |
| ABSTRACT | 第11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 压缩感知基础 | 第12-14页 |
| 1.2 图像稀疏重建 | 第14-16页 |
| 1.3 图像的稀疏表示 | 第16-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 第二章 基于分类正交字典训练的磁共振图像重建 | 第18-42页 |
| 2.1 引言 | 第18-19页 |
| 2.2 背景 | 第19-21页 |
| 2.2.1 CS-MRI重建模型 | 第19-20页 |
| 2.2.2 快速正交字典训练 | 第20-21页 |
| 2.3 本章提出的方法 | 第21-29页 |
| 2.3.1 分类快速正交字典训练 | 第21-22页 |
| 2.3.2 图像块按几何方向分类 | 第22-23页 |
| 2.3.3 分类正交字典训练 | 第23-26页 |
| 2.3.4 用分类字典进行稀疏重建 | 第26-27页 |
| 2.3.5 重建模型的数值算法 | 第27-28页 |
| 2.3.6 本章方法完整的流程 | 第28-29页 |
| 2.4 实验结果 | 第29-41页 |
| 2.4.1 水膜图像重建实验 | 第31-32页 |
| 2.4.2 脑部图像重建实验 | 第32-35页 |
| 2.4.3 重建的计算时间 | 第35-36页 |
| 2.4.4 参数设置的讨论 | 第36-38页 |
| 2.4.5 与其他典型方法对比 | 第38-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 基于分类正交字典训练的图像椒盐噪声滤除方法 | 第42-53页 |
| 3.1 引言 | 第42-43页 |
| 3.2 本章提出的方法 | 第43-46页 |
| 3.2.1 椒盐噪声的探测 | 第43-44页 |
| 3.2.2 图像修复的模型 | 第44-45页 |
| 3.2.3 图像修复的数值算法 | 第45-46页 |
| 3.3 实验结果 | 第46-52页 |
| 3.3.1 去噪结果对比 | 第47-51页 |
| 3.3.2 参数对结果的影响 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 总结与展望 | 第53-55页 |
| 4.1 总结 | 第53-54页 |
| 4.2 展望 | 第54-55页 |
| 参考文献 | 第55-67页 |
| 附录 DLMRI中字典冗余度对重建的影响 | 第67-69页 |
| 成果发表情况 | 第69-70页 |
| 致谢 | 第70页 |