基于模糊理论的医学图像增强算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究课题的背景和意义 | 第10-11页 |
| 1.2 医学图像增强的发展现状 | 第11-13页 |
| 1.3 基于模糊理论的图像增强发展现状 | 第13-14页 |
| 1.4 论文主要内容 | 第14-16页 |
| 第二章 医学图像增强理论基础 | 第16-26页 |
| 2.1 平滑去噪 | 第16-18页 |
| 2.1.1 中值滤波 | 第16页 |
| 2.1.2 均值滤波 | 第16-18页 |
| 2.2 图像锐化 | 第18-20页 |
| 2.2.1 拉普拉斯算子 | 第18页 |
| 2.2.2 梯度算子 | 第18-19页 |
| 2.2.3 反锐化掩膜 | 第19-20页 |
| 2.3 对比度增强 | 第20-24页 |
| 2.3.1 间接对比度增强 | 第20-23页 |
| 2.3.2 直接对比度增强 | 第23-24页 |
| 2.4 图像增强质量的评价标准 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 模糊理论在医学图像增强中的应用 | 第26-36页 |
| 3.1 模糊集的基本理论 | 第26-32页 |
| 3.1.1 模糊集合的定义 | 第26-28页 |
| 3.1.2 隶属函数的确定方法 | 第28-30页 |
| 3.1.3 模糊熵 | 第30-32页 |
| 3.2 模糊理论在图像增强中的应用 | 第32-35页 |
| 3.2.1 图像模糊增强理论 | 第32-34页 |
| 3.2.2 经典的模糊增强算法 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于模糊熵和变分偏微分方程的增强算法 | 第36-48页 |
| 4.1 图像偏微分方程增强模型 | 第36-38页 |
| 4.2 基于模糊熵的变分增强模型 | 第38-44页 |
| 4.2.1 模糊梯度场 | 第38-39页 |
| 4.2.2 基于模糊熵的扩散系数 | 第39-42页 |
| 4.2.3 变分法求解 | 第42-44页 |
| 4.3 实验结果和分析 | 第44-47页 |
| 4.3.1 算法的收敛性分析 | 第44页 |
| 4.3.2 不同算法的对比结果 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于信息测度的的自适应模糊对比度增强算法 | 第48-62页 |
| 5.1 模糊对比度增强的一般模型 | 第48-49页 |
| 5.2 改进的基于边缘度检测的自适应对比度增强 | 第49-58页 |
| 5.2.1 图像的模糊化映射 | 第50-52页 |
| 5.2.2 图像信息测度的定义 | 第52-55页 |
| 5.2.3 具体算法流程 | 第55-57页 |
| 5.2.4 计算放大系数 | 第57-58页 |
| 5.3 实验结果与分析 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
