| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 稀疏表示研究现状 | 第11-12页 |
| 1.2.2 医学图像重构算法研究现状 | 第12-14页 |
| 1.3 本文研究内容及组织结构 | 第14-16页 |
| 第2章 基于双数复数小波的自适应医学图像重构 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 自适应压缩感知医学图像重建 | 第16-20页 |
| 2.2.1 压缩感知图像重建算法 | 第16-18页 |
| 2.2.2 自适应稀疏表示医学图像重建 | 第18-20页 |
| 2.3 基于双树复数小波的自适应稀疏表示医学图像重建 | 第20-29页 |
| 2.3.1 双树复数小波 | 第20-21页 |
| 2.3.2 实现算法 | 第21-24页 |
| 2.3.3 实验结果及分析 | 第24-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于海森矩阵范数和双树复数小波的自适应医学图像重构 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 海森矩阵范数 | 第30-32页 |
| 3.3 基于在线字典学习的自适应医学图像重建 | 第32-36页 |
| 3.3.1 在线字典学习基本理论 | 第32-33页 |
| 3.3.2 在线字典学习下的自适应图像重建 | 第33-36页 |
| 3.4 基于两种稀疏约束和在线字典学习的自适应医学图像重建 | 第36-45页 |
| 3.4.1 算法实现 | 第36-39页 |
| 3.4.2 实验结果及分析 | 第39-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于图像分解的自适应紧标架医学图像重构 | 第46-60页 |
| 4.1 引言 | 第46-47页 |
| 4.2 图像分解思想 | 第47-49页 |
| 4.2.1 图像分解的提出和发展 | 第47-48页 |
| 4.2.2 利用字典学习的图像分解 | 第48-49页 |
| 4.3 基于双数复数小波和自适应稀疏表示的图像分层重建 | 第49-55页 |
| 4.3.1 算法实现 | 第49-51页 |
| 4.3.2 实验结果及分析 | 第51-55页 |
| 4.4 基于全变差和自适应稀疏表示的图像分层重建 | 第55-59页 |
| 4.4.1 全变差 | 第55页 |
| 4.4.2 算法实现 | 第55-57页 |
| 4.4.3 实验结果及分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
