| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·医学图像概述 | 第7-9页 |
| ·CT成像机理及图像特点 | 第7-8页 |
| ·MRI成像机理及图像特点 | 第8-9页 |
| ·医学图像融合技术的发展及研究现状 | 第9页 |
| ·CT与MRI图像融合的临床意义 | 第9-10页 |
| ·论文主要内容及章节安排 | 第10-11页 |
| 第二章 医学图像融合及相关理论 | 第11-27页 |
| ·医学图像的配准 | 第11-13页 |
| ·基于特征的医学图像配准方法 | 第11-12页 |
| ·基于灰度的配准方法 | 第12-13页 |
| ·医学图像信息综合 | 第13-14页 |
| ·医学图像融合现有方法介绍 | 第14-16页 |
| ·空间域融合方法 | 第14-15页 |
| ·变换域融合方法 | 第15-16页 |
| ·模糊数学理论基础 | 第16-19页 |
| ·模糊集合及其隶属度函数 | 第16-17页 |
| ·“如果-则”推理规则 | 第17页 |
| ·推理系统的反模糊化 | 第17-18页 |
| ·常用的模糊推理方法 | 第18-19页 |
| ·人工神经网络基础 | 第19-25页 |
| ·人工神经网络的发展与应用 | 第20-21页 |
| ·人工神经网络的基本结构与模型 | 第21-24页 |
| ·神经网络的学习 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于Takagi-Sugeno 型模糊推理的医学图像融合 | 第27-39页 |
| ·Takagi-Sugeno型模糊推理系统 | 第27-30页 |
| ·纯模糊逻辑系统 | 第27-28页 |
| ·Mamdani型模糊推理系统 | 第28页 |
| ·Takagi-Sugeno型模糊推理系统 | 第28-30页 |
| ·基于T-S型模糊推理系统的医学图像融合算法 | 第30-32页 |
| ·T-S模糊推理系统与RBF神经网络的等价关系 | 第30-31页 |
| ·基于T-S型模糊推理系统的医学图像融合算法 | 第31-32页 |
| ·RBF模糊神经网络模型及训练算法 | 第32-37页 |
| ·RBF模糊神经网络模型 | 第32-34页 |
| ·RBF模糊神经网络的训练算法 | 第34-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于T-S 模糊推理的图像融合实验 | 第39-57页 |
| ·实验流程 | 第39页 |
| ·实验及结果 | 第39-44页 |
| ·噪声图像融合实验 | 第44-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于RBF 模糊神经网络的图像融合 | 第57-65页 |
| ·基于RBF模糊神经网络的医学图像融合 | 第57-62页 |
| ·RBF模糊神经网络模型 | 第57-59页 |
| ·网络的训练 | 第59-60页 |
| ·实验与仿真 | 第60-62页 |
| ·基于区域特征的改进算法 | 第62-64页 |
| ·问题的提出 | 第62-63页 |
| ·算法的改进 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·本文总结 | 第65-66页 |
| ·课题展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 研究成果 | 第73-74页 |