| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题背景与研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 多模态医学图像融合研究存在的问题 | 第16-17页 |
| 1.4 论文的主要工作 | 第17-18页 |
| 1.5 论文章节安排 | 第18-19页 |
| 第2章 多模态医学图像融合基础知识 | 第19-33页 |
| 2.1 多模态医学图像特点 | 第19-22页 |
| 2.1.1 CT图像 | 第19-20页 |
| 2.1.2 MRI图像 | 第20-21页 |
| 2.1.3 PET图像 | 第21-22页 |
| 2.1.4 SPECT图像 | 第22页 |
| 2.2 多模态医学图像融合的层次划分 | 第22-24页 |
| 2.3 像素级多模态医学图像融合 | 第24-28页 |
| 2.3.1 空间域的医学图像融合算法 | 第25-27页 |
| 2.3.2 变换域的医学图像融合算法 | 第27-28页 |
| 2.4 融合图像评价体系 | 第28-32页 |
| 2.4.1 主观评价 | 第28-29页 |
| 2.4.2 客观评价 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于人眼视觉特性与自适应PCNN的医学图像融合算法 | 第33-51页 |
| 3.1 非下采样Contourlet变换 | 第33-39页 |
| 3.1.1 NSCT的结构 | 第34-35页 |
| 3.1.2 非下采样金字塔滤波器组 | 第35-37页 |
| 3.1.3 非下采样方向滤波器组 | 第37-39页 |
| 3.2 梯度奇异值度量 | 第39-40页 |
| 3.3 脉冲耦合神经网络（PCNN） | 第40-43页 |
| 3.3.1 PCNN模型 | 第40-41页 |
| 3.3.2 PCNN的外部输入 | 第41-42页 |
| 3.3.3 视觉对比敏感度 | 第42-43页 |
| 3.4 基于人眼视觉特性与自适应PCNN的融合算法 | 第43-45页 |
| 3.4.1 低频系数融合 | 第43-44页 |
| 3.4.2 高频系数融合 | 第44-45页 |
| 3.5 实验结果及分析 | 第45-50页 |
| 3.5.1 灰度图像融合 | 第45-48页 |
| 3.5.2 彩色图像融合 | 第48-50页 |
| 3.6 结论 | 第50-51页 |
| 第4章 基于纹理特征与广义相关性结构信息的医学图像融合算法 | 第51-63页 |
| 4.1 NSCT子带系数间广义相关性结构信息 | 第51-54页 |
| 4.1.1 NSCT子带系数间的相关性 | 第52-53页 |
| 4.1.2 广义相关性结构信息 | 第53-54页 |
| 4.2 局部差分计盒维数 | 第54-55页 |
| 4.3 基于纹理特征与广义相关性结构信息的医学图像融合算法 | 第55-57页 |
| 4.3.1 低频系数融合 | 第55-56页 |
| 4.3.2 高频系数融合 | 第56-57页 |
| 4.4 实验结果及分析 | 第57-62页 |
| 4.4.1 灰度图像融合 | 第57-60页 |
| 4.4.2 彩色图像融合 | 第60-62页 |
| 4.5 结论 | 第62-63页 |
| 第5章 总结与展望 | 第63-66页 |
| 5.1 论文工作总结 | 第63-64页 |
| 5.2 研究展望 | 第64-66页 |
| 参考文献 | 第66-74页 |
| 硕士期间研究成果及参与项目 | 第74-75页 |
| 致谢 | 第75页 |
