| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 主要缩略符号对照表 | 第11-12页 |
| 1 绪论 | 第12-31页 |
| 1.1 研究背景和研究意义 | 第12-14页 |
| 1.2 动态成像环境下的图像信息处理方法的国内外研究进展 | 第14-26页 |
| 1.3 本论文的主要工作 | 第26-28页 |
| 1.4 本论文的课题来源及内容安排 | 第28-31页 |
| 2 X射线心血管造影图像去噪方法 | 第31-62页 |
| 2.1 引言 | 第31-32页 |
| 2.2 基于迭代加权核准则的血管造影图像去噪方法 | 第32-39页 |
| 2.3 空间自适应血管造影图像去噪方法 | 第39-45页 |
| 2.4 实验结果与分析 | 第45-59页 |
| 2.5 本章小结 | 第59-62页 |
| 3 基于Hessian矩阵的保持血管结构增强方法 | 第62-78页 |
| 3.1 引言 | 第62-63页 |
| 3.2 基于Hessian矩阵的保持血管结构增强方法 | 第63-67页 |
| 3.3 实验结果与分析 | 第67-76页 |
| 3.4 本章小结 | 第76-78页 |
| 4 基于累积直方图自适应伽马校正的近红外图像增强方法 | 第78-95页 |
| 4.1 引言 | 第78-79页 |
| 4.2 基于累积直方图的自适应伽马校正图像增强方法 | 第79-83页 |
| 4.3 实验结果与分析 | 第83-93页 |
| 4.4 本章小结 | 第93-95页 |
| 5 基于帧波正则化的低亮度彩色图像增强方法 | 第95-114页 |
| 5.1 引言 | 第95-97页 |
| 5.2 低亮度彩色图像增强模型 | 第97-99页 |
| 5.3 模型优化 | 第99-101页 |
| 5.4 实验结果及分析 | 第101-113页 |
| 5.5 本章小结 | 第113-114页 |
| 6 基于结构特征的运动参数自动提取方法 | 第114-148页 |
| 6.1 引言 | 第114-115页 |
| 6.2 特征点的多运动参数模型 | 第115-120页 |
| 6.3 心血管特征点自动提取 | 第120-124页 |
| 6.4 模型指导的多运动参数分离方法 | 第124-128页 |
| 6.5 实验结果及分析 | 第128-146页 |
| 6.6 本章小结 | 第146-148页 |
| 7 全文总结与展望 | 第148-152页 |
| 7.1 本文工作总结 | 第148-150页 |
| 7.2 进一步的研究方向和展望 | 第150-152页 |
| 致谢 | 第152-153页 |
| 参考文献 | 第153-168页 |
| 附录1 文中部分定理及方法的进一步验证与实验 | 第168-186页 |
| 附录2 攻读博士学位期间的主要研究成果及从事科研课题 | 第186-191页 |
