| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景与意义 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.4 本文主要研究工作和组织结构 | 第15-17页 |
| 第2章 图像超分辨率重建技术对比分析 | 第17-26页 |
| 2.1 超分辨率重建的基本理论模型 | 第17-19页 |
| 2.1.1 基本概念 | 第17-18页 |
| 2.1.2 图像退化模型 | 第18-19页 |
| 2.2 超分辨率重建算法分析 | 第19-22页 |
| 2.3 图像超分辨率重建的评价标准 | 第22-24页 |
| 2.3.1 主观评价标准 | 第22-23页 |
| 2.3.2 客观评价标准 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于稀疏表示的医学图像超分辨率重建 | 第26-45页 |
| 3.1 稀疏表示 | 第26-28页 |
| 3.2 基于稀疏表示的超分辨率重建算法 | 第28-35页 |
| 3.2.1 稀疏模型 | 第28-30页 |
| 3.2.2 重建过程 | 第30-32页 |
| 3.2.3 训练字典 | 第32-35页 |
| 3.3 实验结果与分析 | 第35-43页 |
| 3.3.1 PET图像数据 | 第36-41页 |
| 3.3.2 CT图像数据 | 第41-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于 LISTA 网络的 CT 图像超分辨率重建 | 第45-62页 |
| 4.1 卷积神经网络 | 第45-47页 |
| 4.2 基于LISTA网络的超分辨率重建方法 | 第47-53页 |
| 4.2.1 LISTA网络模型 | 第48-50页 |
| 4.2.2 SCN网络模型 | 第50-52页 |
| 4.2.3 CSCN重建网络 | 第52-53页 |
| 4.3 实验结果分析 | 第53-61页 |
| 4.3.1 主观评价 | 第54-60页 |
| 4.3.2 客观评价 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 全文工作总结 | 第62-63页 |
| 5.2 下一步工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的科研成果 | 第69页 |