摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第11-33页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状及趋势分析 | 第12-17页 |
1.2.1 降低射线剂量的措施 | 第12-13页 |
1.2.2 LDCT重建算法的研究及发展趋势分析 | 第13-17页 |
1.2.3 低剂量扫描过程的计算机模拟研究 | 第17页 |
1.3 LDCT成像的基本原理及特点 | 第17-22页 |
1.3.1 LDCT重建的基本原理 | 第17-19页 |
1.3.2 LDCT成像特点及统计迭代算法框架 | 第19-22页 |
1.4 论文主要研究内容及结构安排 | 第22-23页 |
1.4.1 主要研究内容 | 第22页 |
1.4.2 论文结构安排 | 第22-23页 |
参考文献 | 第23-33页 |
第二章 基于各向异性加权先验的LDCT正弦图MAP平滑算法 | 第33-53页 |
2.1 MAP优化估计及MRF | 第33-36页 |
2.1.1 MAP优化估计 | 第33-34页 |
2.1.2 MRF | 第34-36页 |
2.2 各向异性PDE扩散噪声平滑方法 | 第36-38页 |
2.3 基于各向异性加权先验模型MAP正弦图平滑方法 | 第38-45页 |
2.3.1 LDCT投影MAP降噪算法模型 | 第38-39页 |
2.3.2 各向异性加权先验模型 | 第39-44页 |
2.3.3 基于各向异性加权先验模型MAP正弦图平滑方法 | 第44-45页 |
2.4 实验结果及分析 | 第45-50页 |
2.4.1 数字骨盆模型仿真实验 | 第47页 |
2.4.2 临床骨盆数据实验 | 第47-48页 |
2.4.3 分辨率—噪声曲线 | 第48-50页 |
2.5 本章小结 | 第50页 |
参考文献 | 第50-53页 |
第三章 基于字典学习的LDCT正弦图平滑算法 | 第53-73页 |
3.1 字典学习相关工作 | 第53-55页 |
3.1.1 字典学习 | 第53-55页 |
3.1.2 字典学习理论在图像处理中的应用 | 第55页 |
3.2 基于字典学习的LDCT正弦图平滑模型 | 第55-57页 |
3.3 模型求解 | 第57-61页 |
3.3.1 替代函数推导 | 第57-59页 |
3.3.2 模型求解 | 第59-60页 |
3.3.3 算法步骤 | 第60-61页 |
3.4 实验结果与分析 | 第61-70页 |
3.4.1 实验平台环境及数据来源 | 第62页 |
3.4.2 算法关键参数研究 | 第62-64页 |
3.4.3 与其他算法比较研究 | 第64-70页 |
3.5 本章小结 | 第70页 |
参考文献 | 第70-73页 |
第四章 LDCT图像的非局部均值后处理算法 | 第73-92页 |
4.1 相关工作 | 第74-75页 |
4.2 非局部均值滤波算法 | 第75-77页 |
4.2.1 基本原理 | 第75-77页 |
4.2.2 算法关键参数 | 第77页 |
4.3 基于方向匹配窗的小波域NLM算法 | 第77-81页 |
4.3.1 算法原理 | 第77-81页 |
4.3.2 算法总结 | 第81页 |
4.4 实验结果与分析 | 第81-90页 |
4.4.1 实验环境、数据来源及评价指标 | 第81-82页 |
4.4.2 实验结果与分析 | 第82-90页 |
4.5 本章小结 | 第90页 |
参考文献 | 第90-92页 |
第五章 LDCT图像的形态分量分析后处理算法 | 第92-105页 |
5.1 MCA基本原理 | 第92-93页 |
5.2 LDCT图像的MCA处理算法 | 第93-98页 |
5.3 实验结果与分析 | 第98-102页 |
5.3.1 实验数据 | 第98页 |
5.3.2 参数设置 | 第98页 |
5.3.3 实验结果与分析 | 第98-102页 |
5.4 本章小结 | 第102页 |
参考文献 | 第102-105页 |
第六章 总结与展望 | 第105-108页 |
6.1 全文工作总结 | 第105-106页 |
6.2 未来工作展望 | 第106-108页 |
致谢 | 第108-109页 |
攻读博士学位期间参与和主持的科研项目 | 第109-110页 |
攻读博士学位期间编写的教材 | 第110-111页 |
攻读博士学位期间发表的论文 | 第111页 |