| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究动态 | 第11-14页 |
| 1.3 本文的研究内容与组织结构 | 第14-16页 |
| 第二章 图像超分辨率重构相关理论研究 | 第16-27页 |
| 2.1 超分辨率重构相关理论 | 第16-19页 |
| 2.1.1 图像退化建模与求解 | 第16-17页 |
| 2.1.2 医学图像的成像原理 | 第17-19页 |
| 2.2 超分辨率重构图像的客观评价指标 | 第19-21页 |
| 2.2.1 峰值信噪比 | 第19页 |
| 2.2.2 结构相似性 | 第19-21页 |
| 2.3 超分辨率重构算法的分类 | 第21-26页 |
| 2.3.1 基于插值的方法 | 第22-23页 |
| 2.3.2 基于重建的方法 | 第23-24页 |
| 2.3.3 基于学习的方法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 融合局部特征和全局特征的医学图像超分辨率重构算法 | 第27-39页 |
| 3.1 引言 | 第27-29页 |
| 3.2 网络模型特点与算法流程 | 第29-33页 |
| 3.2.1 卷积层 | 第29-30页 |
| 3.2.2 重叠池化层 | 第30-31页 |
| 3.2.3 连接层 | 第31-32页 |
| 3.2.4 算法流程 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-37页 |
| 3.3.1 客观数值比较 | 第33-35页 |
| 3.3.2 主观效果展示 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于噪声鲁棒的卷积神经网络超分辨率重构算法 | 第39-51页 |
| 4.1 引言 | 第39-40页 |
| 4.2 网络模型特点与算法流程 | 第40-45页 |
| 4.2.1 离散Harr小波变换上采样 | 第40-43页 |
| 4.2.2 基于图像内容的自适应分块算法 | 第43-45页 |
| 4.2.3 算法流程 | 第45页 |
| 4.3 实验结果与分析 | 第45-50页 |
| 4.3.1 客观数值比较 | 第45-47页 |
| 4.3.2 主观效果展示 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 结论与展望 | 第51-54页 |
| 5.1 全文总结 | 第51-52页 |
| 5.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-61页 |
| 附录 | 第61-62页 |