| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-10页 |
| 1.1 CT图像重建的介绍 | 第8页 |
| 1.2 不完全投影数据的CT图像重建概述 | 第8-9页 |
| 1.3 K-SVD算法概述 | 第9页 |
| 1.4 论文的主要结构安排 | 第9-10页 |
| 第2章 CT成像原理与图像重建算法 | 第10-27页 |
| 2.1 CT成像系统 | 第10页 |
| 2.2 CT图像重建的基本原理 | 第10-14页 |
| 2.2.1 CT图像重建的数学基础 | 第10-13页 |
| 2.2.2 CT成像原理 | 第13-14页 |
| 2.3 重建算法的分类 | 第14-18页 |
| 2.3.1 解析重建算法 | 第14-15页 |
| 2.3.2 迭代重建算法 | 第15-18页 |
| 2.4 Shepp-Logan模型与仿真实验 | 第18-26页 |
| 2.4.1 Shepp-Logan模型 | 第18页 |
| 2.4.2 重建图像的质量评价方法 | 第18-19页 |
| 2.4.3 仿真实验与分析 | 第19-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 改进的K-SVD字典学习算法 | 第27-40页 |
| 3.1 稀疏表示理论 | 第27-31页 |
| 3.1.1 稀疏表示理论 | 第27-30页 |
| 3.1.2 稀疏表示算法(MP算法) | 第30-31页 |
| 3.2 字典学习 | 第31-34页 |
| 3.2.1 DCT字典 | 第32页 |
| 3.2.2 K-SVD算法 | 第32-34页 |
| 3.3 改进的K-SVD字典学习算法 | 第34-35页 |
| 3.4 仿真实验 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于改进的K-SVD字典学习的CT图像重建算法 | 第40-52页 |
| 4.1 基于改进的K-SVD字典学习的CT图像重建算法 | 第40-44页 |
| 4.1.1 改进算法 | 第40-42页 |
| 4.1.2 仿真实验与分析 | 第42-44页 |
| 4.2 基于改进的K-SVD字典学习和NLM算法的CT图像重建算法 | 第44-51页 |
| 4.2.1 NLM算法 | 第44-45页 |
| 4.2.2 基于改进的K-SVD字典学习和NLM算法的CT图像重建 | 第45-46页 |
| 4.2.3 仿真实验与分析 | 第46-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 总结与结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 申请学位期间的研究成果及发表的学术论文 | 第58页 |
