| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·医学图像配准的背景、意义及应用 | 第9-12页 |
| ·背景 | 第9页 |
| ·意义 | 第9-10页 |
| ·应用 | 第10-12页 |
| ·国内外的研究状况 | 第12-15页 |
| ·本文主要工作及论文组织结构 | 第15-18页 |
| ·本文主要工作 | 第15-16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 医学图像配准的理论基础 | 第18-29页 |
| ·医学图像配准的基本概念及基本流程 | 第18-19页 |
| ·医学图像配准的关键技术 | 第19-26页 |
| ·特征空间 | 第19-21页 |
| ·图像插值技术 | 第21-24页 |
| ·相似性测度 | 第24-25页 |
| ·优化算法寻优 | 第25-26页 |
| ·医学图像配准方法的评估 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 互信息与广义近邻图熵估计理论 | 第29-37页 |
| ·熵与互信息 | 第29-31页 |
| ·信息熵 | 第29页 |
| ·联合熵 | 第29-30页 |
| ·互信息 | 第30-31页 |
| ·广义的信息测度 | 第31-33页 |
| ·互信息在医学图像配准中的应用及评价 | 第33-34页 |
| ·广义近邻图熵估计理论 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于梯度信息的广义近邻图多模医学图像配准 | 第37-51页 |
| ·特征点及特征点的提取 | 第37-40页 |
| ·图像特征与特征点 | 第37页 |
| ·Harris角点算子 | 第37-38页 |
| ·Harris-Laplace算子和Harris-Affine算子 | 第38-39页 |
| ·Laplace of Gaussian算子和Difference of Gaussian算子 | 第39-40页 |
| ·特征点梯度信息描述子的融合 | 第40-42页 |
| ·基于梯度信息广义近邻图的医学图像配准 | 第42-44页 |
| ·配准算法流程图 | 第42-43页 |
| ·目标函数的构造 | 第43-44页 |
| ·实验 | 第44-49页 |
| ·实验数据库 | 第44-45页 |
| ·特征点有效性实验 | 第45-46页 |
| ·多模图像配准实验 | 第46-49页 |
| ·广义近邻图熵估计实验 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第五章 ：融合纹理信息的广义近邻图多模医学图像配准 | 第51-65页 |
| ·图像的纹理特征 | 第51-52页 |
| ·图像纹理的定义 | 第51-52页 |
| ·纹理特征在医学图像分析中的应用 | 第52页 |
| ·特征点纹理描述子的构造 | 第52-56页 |
| ·LBP描述子和CS-LBP描述子 | 第53-54页 |
| ·LTP描述子与CS-LTP描述子 | 第54-55页 |
| ·改进的CS-LTP描述子 | 第55-56页 |
| ·融合加权BCS-LTP描述子的医学图像配准 | 第56-58页 |
| ·仿真实验 | 第58-64页 |
| ·WBCS-LTP描述子有效性实验 | 第59-61页 |
| ·多模图像配准实验 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·全文总结 | 第65-66页 |
| ·工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
| 攻读硕士学位期间所参加的科研项目 | 第74页 |
