| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 医学图像增强技术的研究现状 | 第13-15页 |
| 1.3 本论文研究内容和组织结构 | 第15-18页 |
| 第2章 经典图像增强算法分析 | 第18-34页 |
| 2.1 图像的去噪 | 第18-22页 |
| 2.1.1 常见噪声的类型及其数学模型 | 第18-19页 |
| 2.1.2 常用的去噪方法 | 第19-22页 |
| 2.2 灰度变换的图像增强算法 | 第22-24页 |
| 2.2.1 线性变换 | 第22-23页 |
| 2.2.2 非线性灰度变换 | 第23-24页 |
| 2.3 直方图均衡图像增强 | 第24-26页 |
| 2.3.1 直方图均衡化原理 | 第24-25页 |
| 2.3.2 直方图均衡化在图像增强上的应用 | 第25-26页 |
| 2.4 基于同态滤波技术的图像增强 | 第26-29页 |
| 2.4.1 同态滤波的系统概述 | 第26-27页 |
| 2.4.2 同态滤波在图像处理中的基本算法 | 第27页 |
| 2.4.3 同态滤波基于照度不均匀的图像增强处理 | 第27-29页 |
| 2.5 小波算法图像增强 | 第29-32页 |
| 2.5.1 小波算法的基本概论 | 第30页 |
| 2.5.2 小波算法在图像增强中的应用 | 第30-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第3章 结合小波与分数阶微分的婴幼儿脑部图像增强算法 | 第34-50页 |
| 3.1 分数阶微分的相关概念 | 第34-37页 |
| 3.1.1 Grunward-Letnikov型分数阶微分算子 | 第35页 |
| 3.1.2 Riemann-Liouville型分数阶微积分算子 | 第35-36页 |
| 3.1.3 Caputo型分数阶微分算子 | 第36-37页 |
| 3.2 基于Grunward-Letnikov型分数阶微分改进算法 | 第37-41页 |
| 3.2.1 插值算法 | 第37页 |
| 3.2.2 非整数步长分数阶微分的提出和应用 | 第37-41页 |
| 3.3 基于小波算法的改进应用于婴幼儿脑部图像增强 | 第41-45页 |
| 3.3.1 小波分解图像 | 第41-43页 |
| 3.3.2 改进的小波分解图像增强算法 | 第43-45页 |
| 3.4 实验结果及对比分析 | 第45-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 融合马尔可夫模型的分数阶微分婴幼儿脑部图像增强算法 | 第50-68页 |
| 4.1 马尔可夫随机相关概念及模型 | 第50-54页 |
| 4.1.1 马尔可夫随机场相关概念 | 第50-52页 |
| 4.1.2 马尔可夫模型 | 第52-54页 |
| 4.2 基于分数阶微分算法的改进 | 第54-57页 |
| 4.3 基于对数的分数阶微分自适应阶数的确定 | 第57-60页 |
| 4.4 基于分数阶微分融合马尔可夫算法的图像增强 | 第60-62页 |
| 4.4.1 DMRF融合邻域判别法用于图像降噪 | 第60-61页 |
| 4.4.2 本文算法流程 | 第61-62页 |
| 4.5 实验结果及其对比分析 | 第62-66页 |
| 4.5.1 实验结果的对比分析 | 第62-63页 |
| 4.5.2 图像的评估算法研究 | 第63-66页 |
| 4.6 本章小结 | 第66-68页 |
| 第5章 基于离散余弦变换和随机共振的婴幼儿脑部图像增强算法 | 第68-82页 |
| 5.1 离散余弦变换 | 第68-70页 |
| 5.1.1 离散余弦变换的数学原理 | 第68-69页 |
| 5.1.2 离散余弦变换在图形图像学中的应用 | 第69-70页 |
| 5.2 随机共振系统 | 第70-76页 |
| 5.2.1 随机共振的原理及其几种常见模型 | 第71-74页 |
| 5.2.2 随机共振系统在图像处理中的应用 | 第74-76页 |
| 5.3 基于离散余弦变换的随机共振算法研究与改进 | 第76-77页 |
| 5.4 基于离散余弦变换和随机共振的婴幼儿脑部图像增强算法 | 第77页 |
| 5.5 实验结果以及对比分析 | 第77-80页 |
| 5.6 本章小结 | 第80-82页 |
| 第6章 总结和展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90页 |
