| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-16页 |
| 引言 | 第13页 |
| 1.1 本文的研究内容和主要贡献 | 第13-14页 |
| 1.2 本文的组织结构 | 第14-16页 |
| 第二章 磁共振成像原理和图像噪声 | 第16-20页 |
| 本章概要 | 第16页 |
| 2.1 磁共振成像原理 | 第16-18页 |
| 2.2 K空间 | 第18页 |
| 2.3 磁共振图像中的噪声 | 第18-20页 |
| 第三章 多种去噪算法的实现及其对MR图像去噪的效果评价 | 第20-42页 |
| 本章概要 | 第20页 |
| 3.1 常用去噪算法效果实现 | 第20-35页 |
| 3.1.1 均值滤波方法 | 第23-24页 |
| 3.1.2 偏微分方程去噪算法(PDE) | 第24-27页 |
| 3.1.3 双边滤波去噪 | 第27-28页 |
| 3.1.4 NLM算法 | 第28-30页 |
| 3.1.5 不同算法去噪效果的比较 | 第30-35页 |
| 3.2 NLM算法的派生算法 | 第35-38页 |
| 3.2.1 针对赖斯噪声的无偏NLM(Unbaised NLM) | 第35页 |
| 3.2.2 Vector NLM去噪算法 | 第35页 |
| 3.2.3 Vector NLM算法的修正 | 第35-38页 |
| 3.3 NLM算法的实现加速 | 第38-42页 |
| 3.3.1 背景 | 第39页 |
| 3.3.2 伪代码 | 第39-41页 |
| 3.3.3 实验 | 第41页 |
| 3.3.4 讨论与小结 | 第41-42页 |
| 第四章 扩散峰度图像的随机噪声去除 | 第42-66页 |
| 本章概要 | 第42页 |
| 4.1 扩散成像 | 第42-49页 |
| 4.1.1 扩散现象 | 第42-43页 |
| 4.1.2 扩散加权成像(DWI) | 第43-46页 |
| 4.1.3 扩散张量成像(DTI) | 第46-48页 |
| 4.1.4 扩散峰度成像(DKI) | 第48-49页 |
| 4.2 扩散峰度模拟数据集制作 | 第49-51页 |
| 4.3 基于NLM的扩散峰度成像去噪算法 | 第51-66页 |
| 4.3.1 扩散峰度成像的数据特点 | 第51-52页 |
| 4.3.2 NLM改进算法 | 第52-58页 |
| 4.3.3 VNLM改进算法 | 第58-64页 |
| 4.3.4 讨论与小结 | 第64-66页 |
| 第五章 残差图信息的提取与图像去噪后的增强 | 第66-72页 |
| 本章概要 | 第66页 |
| 5.1 背景 | 第66-67页 |
| 5.2 残差图信息的提取方法 | 第67页 |
| 5.3 残差信息提取结果分析 | 第67-69页 |
| 5.4 残差信息提取实验 | 第69-71页 |
| 5.4.1 信号提取 | 第69页 |
| 5.4.2 去噪信号补偿 | 第69-71页 |
| 5.5 讨论与小结 | 第71-72页 |
| 第六章 磁共振图像尖峰噪声的去除 | 第72-87页 |
| 本章概要 | 第72页 |
| 6.1 背景 | 第72-79页 |
| 6.1.1 压缩感知计算原理与重建算法 | 第72-74页 |
| 6.1.2 压缩感知在MRI中的应用 | 第74-75页 |
| 6.1.3 尖峰噪声 | 第75-79页 |
| 6.2 基于稀疏性的尖峰噪声去除方法 | 第79-81页 |
| 6.3 实验 | 第81-85页 |
| 6.3.1 修复算法的有效性验证实验 | 第81-84页 |
| 6.3.2 完整去噪流程的验证实验 | 第84-85页 |
| 6.4 讨论 | 第85-87页 |
| 附录 | 第87-89页 |
| 参考文献 | 第89-96页 |
| 致谢 | 第96-97页 |