摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
0 符号和术语说明 | 第11-12页 |
·图像的定义 | 第11-12页 |
1 绪论 | 第12-19页 |
·课题背景 | 第12-15页 |
·医学图像配准概述 | 第12-14页 |
·医学图像配准技术的历史发展和现状 | 第14-15页 |
·课题概述 | 第15-18页 |
·研究切入点——图像配准中的异常信号 | 第15-17页 |
·研究目的及意义 | 第17页 |
·研究的创新点 | 第17-18页 |
·论文结构 | 第18-19页 |
2 医学图像配准方法概述 | 第19-27页 |
·医学图像配准的整体框架 | 第19页 |
·图像配准的四大要素 | 第19-24页 |
·特征空间 | 第19-20页 |
·变换模型 | 第20-22页 |
·配准目标函数 | 第22-24页 |
·优化策略 | 第24页 |
·配准的两类传统方法 | 第24-25页 |
·基于特征的方法 | 第25页 |
·基于体素灰度的方法 | 第25页 |
·配准方法的评估(Registration Evaluation) | 第25-26页 |
·本章小结 | 第26-27页 |
3 异常信号环境下基于联合显著图的图像配准方法 | 第27-54页 |
·异常信号环境下图像配准面临的问题和研究现状 | 第27-28页 |
·异常信号环境下图像配准面临的问题 | 第27页 |
·异常信号环境下图像配准方法的研究现状 | 第27-28页 |
·新算法的提出 | 第28-29页 |
·提出的背景 | 第28-29页 |
·主要思路 | 第29页 |
·显著图提取 | 第29-32页 |
·显著性提取算子概述 | 第29-30页 |
·基于局部能量函数的显著图提取 | 第30-32页 |
·联合显著图 | 第32-36页 |
·联合显著图的构建 | 第32-33页 |
·归一化联合显著图的意义 | 第33-34页 |
·实现细节 | 第34-35页 |
·实例 | 第35-36页 |
·基于联合显著图的归一化互信息 | 第36-40页 |
·相似性测度的选择. | 第36-37页 |
·基于联合显著图的归一化互信息 | 第37-40页 |
·算法框架 | 第40-42页 |
·算法说明 | 第40-41页 |
·算法框架 | 第41-42页 |
·实验结果及分析 | 第42-52页 |
·实验环境 | 第42-43页 |
·实验所用算法实现说明 | 第43-44页 |
·鲁棒性测试 | 第44-49页 |
·精度测试 | 第49页 |
·相似性测度比较 | 第49-52页 |
·讨论 | 第52-53页 |
·本章小结 | 第53-54页 |
4 基于联合显著区域特征点集的非刚体图像配准 | 第54-84页 |
·背景及概述 | 第54-55页 |
·基于显著性提取特征点 | 第55-59页 |
·构建尺度空间图像 | 第55-56页 |
·检测尺度空间极值点 | 第56-57页 |
·筛选并确定特征点的位置 | 第57-59页 |
·特征点聚类分析 | 第59-65页 |
·对特征点聚类分析的意义 | 第59页 |
·基于高斯混和模型的聚类方法 | 第59-61页 |
·高斯混合模型初值的确定 | 第61-63页 |
·特征点聚类分析实例 | 第63-64页 |
·聚类结果对异常信号环境下非刚体配准的意义 | 第64-65页 |
·自动筛选特征点 | 第65-67页 |
·特征点对应关系的确定 | 第67-68页 |
·基于紧支径向基函数的形变场逼近 | 第68-71页 |
·基于径向基函数的变换模型 | 第68页 |
·紧支径向基函数 | 第68-70页 |
·径向基函数的逼近形式 | 第70-71页 |
·配准算法框架 | 第71-73页 |
·流程图 | 第71-73页 |
·一些实现细节 | 第73页 |
·实验结果及分析 | 第73-82页 |
·实验环境 | 第73-74页 |
·实验所用算法实现说明 | 第74-75页 |
·评估方法 | 第75页 |
·实验结果及分析 | 第75-82页 |
·讨论 | 第82-83页 |
·本章小结 | 第83-84页 |
5 总结与展望 | 第84-85页 |
参考文献 | 第85-90页 |
致谢 | 第90-91页 |
攻读学位期间发表录用学术论文及专利情况 | 第91页 |