基于压缩感知的CT系统图像重建算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第12-28页 |
| 1.1 CT的发展历史 | 第12-15页 |
| 1.2 CT成像原理和重建算法 | 第15-22页 |
| 1.3 选题背景 | 第22-24页 |
| 1.4 本论文的主要内容和结构安排 | 第24-28页 |
| 第2章 压缩感知重建算法理论基础 | 第28-42页 |
| 2.1 压缩感知理论框架 | 第30-34页 |
| 2.2 压缩感知理论的应用 | 第34页 |
| 2.3 基于压缩感知理论的重建算法 | 第34-40页 |
| 2.4 重建图像质量评价标准 | 第40页 |
| 2.5 本章小结 | 第40-42页 |
| 第3章 基于字典学习的重建算法中正则化参数的研究 | 第42-64页 |
| 3.1 研究背景 | 第42-51页 |
| 3.2 基于函数拟合的正则化参数选取模型 | 第51-55页 |
| 3.3 实验与结果 | 第55-63页 |
| 3.4 本章小结 | 第63-64页 |
| 第4章 保留边缘的加权字典学习重建算法 | 第64-86页 |
| 4.1 研究背景 | 第64-68页 |
| 4.2 加权字典学习重建算法阐述 | 第68-73页 |
| 4.3 实验与结果 | 第73-85页 |
| 4.4 本章小结 | 第85-86页 |
| 第5章 基于L1稀疏约束的字典学习重建算法 | 第86-108页 |
| 5.1 研究背景 | 第86-89页 |
| 5.2 L1稀疏约束字典学习重建算法阐述 | 第89-92页 |
| 5.3 实验与结果 | 第92-105页 |
| 5.4 本章小结 | 第105-108页 |
| 第6章 总结与展望 | 第108-112页 |
| 6.1 工作总结 | 第108-109页 |
| 6.2 未来工作展望 | 第109-112页 |
| 参考文献 | 第112-130页 |
| 在学期间学术成果情况 | 第130-132页 |
| 指导教师及作者简介 | 第132-134页 |
| 致谢 | 第134页 |
