| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外的研究进展现状 | 第12-13页 |
| 1.3 论文的主要研究工作 | 第13-15页 |
| 1.3.1 论文的主要工作 | 第13-14页 |
| 1.3.2 论文的结构安排 | 第14-15页 |
| 第二章 医学图像去噪概述 | 第15-31页 |
| 2.1 噪声分类及医学特征 | 第15-23页 |
| 2.1.1 噪声分类 | 第15-18页 |
| 2.1.2 医学图像特征 | 第18-23页 |
| 2.2 医学图像去噪经典算法 | 第23-28页 |
| 2.2.1 基于滤波器去噪 | 第23-26页 |
| 2.2.2 基于变换域去噪 | 第26-27页 |
| 2.2.3 基于统计学的去噪方法 | 第27-28页 |
| 2.3 噪声评估方式 | 第28-30页 |
| 2.3.1 主观评价 | 第28-29页 |
| 2.3.2 客观评价 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于超像素分割的非局部均值去噪 | 第31-43页 |
| 3.1 超像素分割算法 | 第31-33页 |
| 3.1.1 基于图论 | 第31-33页 |
| 3.1.2 基于梯度变化 | 第33页 |
| 3.2 基于SLIC的医学图像分割 | 第33-38页 |
| 3.2.1 SLIC算法原理 | 第33-35页 |
| 3.2.2 仿真实验与分析 | 第35-38页 |
| 3.3 基于SLIC改进的NLM医学图像去噪 | 第38-42页 |
| 3.3.1 基于SLIC改进的NLM医学图像去噪实现 | 第38-40页 |
| 3.3.2 仿真实验与分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于字典学习的医学图像去噪 | 第43-62页 |
| 4.1 稀疏表示 | 第43-47页 |
| 4.1.1 稀疏表示模型 | 第43-45页 |
| 4.1.2 稀疏分解算法 | 第45-47页 |
| 4.2 字典学习 | 第47-53页 |
| 4.2.1 字典学习理论 | 第47-48页 |
| 4.2.2 字典学习算法 | 第48-53页 |
| 4.3 基于K-SVD的医学图像去噪 | 第53-54页 |
| 4.4 仿真实验与分析 | 第54-61页 |
| 4.4.1 主观评价 | 第56-61页 |
| 4.4.2 客观评价 | 第61页 |
| 4.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |