| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 引言 | 第8-9页 |
| 1.2 研究背景及国内外研究现状 | 第9-11页 |
| 1.3 本文研究内容和组织结构 | 第11-14页 |
| 第2章 低剂量CT及基于稀疏表示的医学图像恢复概述 | 第14-26页 |
| 2.1 计算机断层成像技术简介 | 第14-19页 |
| 2.2 低剂量CT临床意义 | 第19-20页 |
| 2.3 稀疏表示理论 | 第20-25页 |
| 2.3.1 稀疏表示理论与传统采样定理的比较 | 第20-21页 |
| 2.3.2 稀疏分解 | 第21-23页 |
| 2.3.3 基于字典学习的稀疏表示 | 第23-25页 |
| 2.4 基于稀疏表示的医学图像恢复 | 第25页 |
| 2.5 小结 | 第25-26页 |
| 第3章 基于稀疏梯度域字典学习的CT图像恢复 | 第26-38页 |
| 3.1 稀疏梯度域 | 第26-27页 |
| 3.2 GradDL算法 | 第27-28页 |
| 3.3 算法求解 | 第28-31页 |
| 3.4 实验 | 第31-37页 |
| 3.4.1 实验数据——DICOM文件 | 第32-33页 |
| 3.4.2 低剂量CT图像模拟 | 第33-34页 |
| 3.4.3 低剂量CT图像去噪 | 第34-37页 |
| 3.5 小结 | 第37-38页 |
| 第4章 改进的稀疏梯度域字典学习算法 | 第38-51页 |
| 4.1 Grad-PCA算法及实验 | 第38-45页 |
| 4.1.1 主分量分析 | 第38页 |
| 4.1.2 Grad-PCA算法 | 第38-42页 |
| 4.1.3 实验 | 第42-45页 |
| 4.2 Grad-BM3D算法及实验 | 第45-50页 |
| 4.2.1 BM3D滤波 | 第45-46页 |
| 4.2.2 Grad-BM3D算法 | 第46-47页 |
| 4.2.3 实验 | 第47-50页 |
| 4.3 小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51-52页 |
| 5.2 工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间的研究成果 | 第58页 |