| 目 录 | 第1-3页 |
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-11页 |
| 第一章 绪论 | 第11-20页 |
| ·超声医学图像处理的意义 | 第11-12页 |
| ·国内外医学图像处理研究现状 | 第12-17页 |
| ·图像处理中的散斑噪声抑制方法 | 第12-13页 |
| ·图像处理中的图像分割方法 | 第13-17页 |
| ·本论文的研究内容及组织方式 | 第17-18页 |
| ·本论文的创新性 | 第18-20页 |
| 第二章 超声医学图像的散斑噪声抑制和图像增强 | 第20-37页 |
| ·噪声抑制和图像增强的一般方法 | 第20-22页 |
| ·时域的图像平滑方法 | 第20-21页 |
| ·频域图像平滑方法 | 第21页 |
| ·图像增强方法 | 第21-22页 |
| ·传统的噪声抑制和图像增强算法的不足 | 第22页 |
| ·基于小波变换的超声医学图像噪声抑制 | 第22-30页 |
| ·散斑噪声近似模型 | 第23页 |
| ·基于小波变换的散斑噪声抑制 | 第23-29页 |
| ·噪声抑制结果和讨论 | 第29-30页 |
| ·基于粗糙集理论的超声医学图像噪声抑制 | 第30-34页 |
| ·粗糙集的基本理论 | 第30-31页 |
| ·基于等价关系的子图划分 | 第31-32页 |
| ·基于粗糙集理论的噪声抑制 | 第32-33页 |
| ·噪声抑制结果及讨论 | 第33-34页 |
| ·基于小波变换的自适应图像增强 | 第34-36页 |
| ·自适应增益算子 | 第34-35页 |
| ·自适应增益算子超声图像增强结果 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 小波模糊算子及其在超声医学图像边缘检测中的应用 | 第37-57页 |
| ·经典边缘检测方法概述 | 第37-39页 |
| ·一阶微分算子(梯度算子) | 第37-38页 |
| ·二阶微分算子 | 第38页 |
| ·Canny 算子 | 第38-39页 |
| ·小波变换边缘检测方法 | 第39-40页 |
| ·小波变换边缘检测的原理 | 第39-40页 |
| ·小波变换模极大值边缘检测方法 | 第40页 |
| ·模糊集及模糊边缘检测 | 第40-41页 |
| ·模糊集合的概念[103] | 第40-41页 |
| ·模糊边缘检测 | 第41页 |
| ·小波模糊算子边缘检测方法 | 第41-44页 |
| ·模糊多尺度边缘检测 | 第42-44页 |
| ·小波模糊算子边缘检测方法 | 第44页 |
| ·小波模糊算子 | 第44-48页 |
| ·多尺度边缘信息的获取 | 第45-47页 |
| ·多尺度复合 | 第47-48页 |
| ·模糊特征平面的模糊增强 | 第48-50页 |
| ·模糊增强的概念[103] | 第48-49页 |
| ·模糊增强算子 | 第49页 |
| ·模糊增强迭代次数的选择 | 第49-50页 |
| ·算法流程及结果讨论 | 第50-55页 |
| ·小波模糊算子边缘检测算法流程 | 第50页 |
| ·算法结果和讨论 | 第50-55页 |
| ·本章小结 | 第55-57页 |
| 第四章 梯度小波纹理模型及超声医学图像纹理分割 | 第57-81页 |
| ·图像纹理分割综述 | 第57-60页 |
| ·纹理的概念 | 第58页 |
| ·纹理图像的分类 | 第58页 |
| ·纹理的描述方法 | 第58-59页 |
| ·纹理分类方法 | 第59-60页 |
| ·图像纹理分割流程 | 第60页 |
| ·高斯马尔可夫随机场(GMRF)模型 | 第60-64页 |
| ·马尔可夫随机场 | 第60-61页 |
| ·高斯马尔可夫随机场 | 第61-63页 |
| ·GMRF 模型的参数估计 | 第63-64页 |
| ·梯度小波纹理模型 | 第64-69页 |
| ·小波纹理模型介绍 | 第64-65页 |
| ·梯度小波纹理模型 | 第65-68页 |
| ·梯度小波纹理模型的特征参数系统 | 第68-69页 |
| ·多尺度纹理特征空间和超声心动纹理图像分割 | 第69-72页 |
| ·多尺度无监督纹理图像分割流程 | 第69-71页 |
| ·实验结果和讨论 | 第71-72页 |
| ·距离加权的超声心动图心腔心壁分类 | 第72-75页 |
| ·心腔和心壁分割 | 第72-74页 |
| ·距离加权的心腔纹理分割 | 第74-75页 |
| ·基于粗糙集的孤立点抑制和边缘提取 | 第75-79页 |
| ·基于粗糙集的分割结果孤立点消除 | 第76-77页 |
| ·基于粗糙集的纹理分割结果的边缘表示 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 第五章 图像处理效果评价 | 第81-100页 |
| ·噪声抑制方法的评价 | 第81-86页 |
| ·图像质量的评价方法 | 第81-82页 |
| ·基于信噪比的噪声抑制方法评价 | 第82-83页 |
| ·基于功率谱的噪声抑制评价方法 | 第83-84页 |
| ·基于平滑指数和边缘保持指数的评价方法 | 第84-86页 |
| ·边缘检测效果的评价 | 第86-91页 |
| ·测试图 | 第86-88页 |
| ·本文使用算法的边缘检测性能评价 | 第88-91页 |
| ·图像分割效果评价 | 第91-98页 |
| ·分割评价方法分类 | 第91-92页 |
| ·常用测度 | 第92-94页 |
| ·分割算法的评价框架 | 第94-95页 |
| ·基于梯度小波纹理模型和 K-均值聚类的分割方法的评价 | 第95-98页 |
| ·本章小结 | 第98-100页 |
| 第六章 结论及展望 | 第100-105页 |
| ·图像处理技术在超声医学图像领域中的应用前景 | 第100-102页 |
| ·主要创新 | 第102-103页 |
| ·本文的不足及对未来工作的设想 | 第103-105页 |
| 参考文献 | 第105-114页 |
| 发表论文和参加科研情况说明 | 第114-115页 |
| 附录: 小波变换的基本理论和本文使用的小波滤波器 | 第115-123页 |
| 致 谢 | 第123页 |