| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 课题的研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 医学图像融合 | 第9-13页 |
| 1.2.2 图像稀疏表示 | 第13页 |
| 1.2.3 融合图像性能评估方法 | 第13-16页 |
| 1.3 本文主要工作 | 第16-18页 |
| 2 图像稀疏表示理论基础 | 第18-25页 |
| 2.1 图像稀疏表示模型 | 第18-19页 |
| 2.2 稀疏分解算法 | 第19-20页 |
| 2.2.1 贪婪算法 | 第19-20页 |
| 2.2.2 凸松弛算法 | 第20页 |
| 2.3 冗余字典设计与构造 | 第20-23页 |
| 2.3.1 解析字典 | 第20-21页 |
| 2.3.2 学习字典 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 基于K-SVD的CT和MRI图像特征提取与融合 | 第25-41页 |
| 3.1 基于稀疏表示的多聚焦图像融合与重构 | 第26页 |
| 3.2 基于K-SVD和脉冲耦合神经网络的CT和MRI图像融合算法 | 第26-32页 |
| 3.2.1 源图像的预处理 | 第27-28页 |
| 3.2.2 基于K-SVD的图像特征提取 | 第28-29页 |
| 3.2.3 基于脉冲耦合神经网络的图像融合准则 | 第29-31页 |
| 3.2.4 融合图像重构 | 第31-32页 |
| 3.3 实验与结果分析 | 第32-39页 |
| 3.3.1 实验图像 | 第32-33页 |
| 3.3.2 对比算法 | 第33-34页 |
| 3.3.3 结果与分析 | 第34-39页 |
| 3.4 本章小结 | 第39-41页 |
| 4 基于在线字典学习的CT和MRI图像融合算法 | 第41-53页 |
| 4.1 基于在线字典学习的CT和MRI图像融合算法 | 第41-44页 |
| 4.1.1 基于ODL的图像特征提取 | 第42-43页 |
| 4.1.2 基于l_1范数最大化的融合准则 | 第43-44页 |
| 4.2 实验与结果分析 | 第44-52页 |
| 4.2.1 学习字典算法性能比较实验与结果分析 | 第44-45页 |
| 4.2.2 基于ODL的CT和MRI图像融合算法实验与结果分析 | 第45-52页 |
| 4.3 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 研究内容总结 | 第53-54页 |
| 5.2 未来工作的展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
