| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外的研究与发展现状 | 第10-12页 |
| ·伪影产生的原因 | 第10-11页 |
| ·消除运动伪影的方法 | 第11-12页 |
| ·本文所研究主要内容 | 第12页 |
| ·本文的组织结构 | 第12-15页 |
| 第2章 医学图像处理 | 第15-21页 |
| ·医学图像配准 | 第15-17页 |
| ·DICOM 医学图像 | 第17页 |
| ·实验所用 DICOM 图像及配准思路 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 高斯滤波 | 第21-27页 |
| ·空间滤波 | 第21页 |
| ·各种空间滤波器 | 第21-22页 |
| ·高斯函数的基本特征 | 第22-23页 |
| ·高斯函数对二维尺度信号的检测 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第4章 多尺度自适应的血管增强 | 第27-49页 |
| ·尺度空间理论 | 第27-29页 |
| ·问题来源 | 第27页 |
| ·尺度空间表示 | 第27-29页 |
| ·滤波器使用高斯函数的必要性 | 第29页 |
| ·HESSIAN 矩阵 | 第29-31页 |
| ·Hessian 矩阵的性质 | 第29-30页 |
| ·Hessian 矩阵在数字图像中的应用 | 第30-31页 |
| ·基 HESSIAN 于矩阵的多尺度血管增强 | 第31-36页 |
| ·基于 Hessian 矩阵特征值的滤波器构造 | 第31-34页 |
| ·算法流程 | 第34页 |
| ·实验结果 | 第34-36页 |
| ·基于 HESSIAN 矩阵的多尺度自适应的血管增强 | 第36-46页 |
| ·Frangi 算法的不足 | 第36-37页 |
| ·改进后的多尺度自适应的血管增强算法 | 第37-40页 |
| ·算法流程 | 第40-41页 |
| ·实验结果 | 第41-45页 |
| ·与 Frangi 算法的对比 | 第45-46页 |
| ·滤波器初始参数自适应 | 第46-48页 |
| ·计算方法 | 第46-47页 |
| ·实验结果 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于误差扩散的特征点选择 | 第49-61页 |
| ·控制点提取 | 第49-50页 |
| ·基于误差扩散的控制点选取 | 第50-55页 |
| ·误差扩散 | 第50-51页 |
| ·基于误差扩散的控制点选取 | 第51-52页 |
| ·实验结果 | 第52-55页 |
| ·基于均值漂移的控制点简化 | 第55-59页 |
| ·均值漂移原理 | 第55-57页 |
| ·基于均值漂移的控制点简化 | 第57-58页 |
| ·实验结果 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第6章 图像配准与减影 | 第61-69页 |
| ·控制点匹配 | 第61-63页 |
| ·控制点匹配的条件 | 第61页 |
| ·算法流程 | 第61-62页 |
| ·实验结果 | 第62-63页 |
| ·医学图像配准 | 第63-67页 |
| ·薄板样条 | 第64-65页 |
| ·薄板样条算法流程 | 第65-66页 |
| ·利用薄板样条方法进行 DSA 图像配准 | 第66-67页 |
| ·DSA 图像减影 | 第67页 |
| ·实验环境说明 | 第67页 |
| ·本章小结 | 第67-69页 |
| 第7章 总结与展望 | 第69-71页 |
| ·本文总结 | 第69页 |
| ·研究展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第77-79页 |
| 致谢 | 第79-80页 |