| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·本文内容安排 | 第14-16页 |
| 第2章 稀疏表示和字典学习基础理论 | 第16-28页 |
| ·稀疏表示概述 | 第16-22页 |
| ·稀疏表示原理 | 第16-18页 |
| ·稀疏表示常用求解方法 | 第18-22页 |
| ·字典学习理论 | 第22-26页 |
| ·最优方向算法 | 第23-24页 |
| ·基于结构稀疏正则化的字典学习算法 | 第24页 |
| ·K-SVD算法 | 第24-26页 |
| ·小结 | 第26-28页 |
| 第3章 稀疏表示和字典学习的海马分割算法 | 第28-47页 |
| ·图像配准技术 | 第28-37页 |
| ·图像配准的基本环节 | 第30-35页 |
| ·对称微分同胚的配准方法 | 第35-37页 |
| ·字典学习模型 | 第37-41页 |
| ·基于图像块的特征提取 | 第37-39页 |
| ·字典学习模型的建立 | 第39-41页 |
| ·海马图像分割实验结果 | 第41-46页 |
| ·小结 | 第46-47页 |
| 第4章 稀疏表示和判别性字典学习的海马子区分割实验及分析 | 第47-57页 |
| ·海马子区特征提取 | 第48-50页 |
| ·判别性的字典学习模型 | 第50-52页 |
| ·海马子区图像分割实验分析 | 第52-56页 |
| ·实验过程及评价指标 | 第52页 |
| ·参数分析 | 第52-54页 |
| ·与主流分割方法对比 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第5章 结束语 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 攻读学位期间发表的论文与研究成果清单 | 第66-67页 |
| 致谢 | 第67页 |