| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 论文的选题背景和意义 | 第13-14页 |
| 1.2 低剂量 CT 重建的研究现状 | 第14-17页 |
| 1.3 论文的主要工作和结构安排 | 第17-19页 |
| 第二章 低剂量 CT 重建的相关知识 | 第19-35页 |
| 2.1 CT 重建的原理 | 第19-24页 |
| 2.1.1 CT 重建的物理原理 | 第19-21页 |
| 2.1.2 CT 重建的数学原理 | 第21-24页 |
| 2.2 滤波反投影重建算法 | 第24-30页 |
| 2.2.1 平行束滤波反投影算法 | 第25-27页 |
| 2.2.2 扇束滤波反投影算法 | 第27-29页 |
| 2.2.3 滤波器 | 第29-30页 |
| 2.3 迭代重建法 | 第30-31页 |
| 2.4 降低 CT 辐射剂量的方法 | 第31-32页 |
| 2.5 低剂量 CT 投影数据的特点和噪声模型 | 第32-34页 |
| 2.5.1 原始投影数据的统计特性 | 第32-33页 |
| 2.5.2 系统校准及对数变换后投影数据的特点和噪声模型 | 第33-34页 |
| 2.6 小结 | 第34-35页 |
| 第三章 基于各向异性平滑的低剂量 CT 统计迭代去噪算法 | 第35-54页 |
| 3.1 基于 MAP 的统计迭代去噪方法 | 第36-42页 |
| 3.1.1 低剂量投影图像的退化模型 | 第37-38页 |
| 3.1.2 理想投影图像的先验模型 | 第38-40页 |
| 3.1.3 基于 MAP 的统计迭代去噪方法 | 第40-42页 |
| 3.2 基于各向异性平滑的高斯马尔科夫先验模型 | 第42-46页 |
| 3.2.1 Perona-Malik 各向异性扩散模型 | 第43-45页 |
| 3.2.2 基于各向异性的自适应平滑系数 | 第45-46页 |
| 3.2.3 基于各向异性平滑的高斯马尔科夫先验模型 | 第46页 |
| 3.3 基于各向异性平滑的低剂量 CT 图像去噪算法 | 第46-47页 |
| 3.4 实验结果和分析 | 第47-53页 |
| 3.5 小结 | 第53-54页 |
| 第四章 基于全变差先验的低剂量 CT 的统计迭代去噪算法 | 第54-66页 |
| 4.1 基于全变差先验的 ROF 去噪模型 | 第55-56页 |
| 4.2 基于全变差先验的低剂量 CT 的统计迭代去噪算法 | 第56-60页 |
| 4.2.1 基于贝叶斯理论的统计迭代去噪模型 | 第56-59页 |
| 4.2.2 基于全变差先验的低剂量 CT 的优化算法 | 第59-60页 |
| 4.3 基于全变差先验的低剂量 CT 的统计迭代去噪算法的步骤 | 第60-61页 |
| 4.4 实验结果和分析 | 第61-65页 |
| 4.5 小结 | 第65-66页 |
| 第五章 基于形态分量分析的低剂量 CT 图像伪影去除算法 | 第66-93页 |
| 5.1 字典学习和稀疏表示理论 | 第67-72页 |
| 5.1.1 稀疏表示理论 | 第67-69页 |
| 5.1.2 字典学习方法 | 第69-72页 |
| 5.2 基于形态分量分析的图像分解算法 | 第72-73页 |
| 5.3 基于形态分量分析的低剂量 CT 图像伪影去除算法 | 第73-80页 |
| 5.4 参数的分析与设置 | 第80-82页 |
| 5.5 实验结果与分析 | 第82-92页 |
| 5.5.1 模拟数据的实验结果和分析 | 第82-89页 |
| 5.5.2 诊所数据实验结果和分析 | 第89-91页 |
| 5.5.3 处理时间的比较 | 第91-92页 |
| 5.6 小结 | 第92-93页 |
| 第六章 总结和展望 | 第93-95页 |
| 6.1 总结 | 第93-94页 |
| 6.2 展望 | 第94-95页 |
| 参考文献 | 第95-105页 |
| 攻读博士学位期间发表论文、参与项目情况 | 第105-107页 |
| 致谢 | 第107-108页 |
