声明
摘要
第一章 绪论
1．1 课题目标与意义
1．1．1 CT设备的组成和成像原理
1．1．2 医用X射线CT辐射剂量影响因素
1．1．3 低剂量CT的临床意义
1．2 课题难点
1．3 国内外研究现状
1．4 论文主要工作及成果
1．5 论文主要安排
第二章 字典学习的相关理论
2．1 传统自然图像去噪方法综述
2．2 稀疏表示理论
2．2．1 稀疏表示理论基础
2．2．2 稀疏表达方法
2．3 生成图像字典的方法
2．3．1 K-SVD算法
2．4 基于字典学习的低剂量CT图像去噪过程简介
2．5 实验结果与分析
2．5．1 实验数据以及平台
2．5．2 实验参数
2．5．3 实验结果
2．5．4 实验结果讨论
2．6 本章小结
第三章 使用修复算法改进编码过程
3．1 问题的引入
3．2 字典修复算法基本原理
3．3 稀疏表达中的修复算法的应用
3．4 算法改进
3．5 实验结果与讨论
3．5．1 算法参数与运行环境
3．5．2 实验结果
3．5．3 实验结果讨论
3．6 本章小结
第四章 结合Non-Local-Means(NLM)思想改进算法过程
4．1 NLM算法简述
4．1．1 去噪方法简介
4．1．2 NL-means算法
4．2 利用NLM算法思想改进稀疏表达算法
4．3 实验结果
4．4 本章小结
第五章 总结与展望
5．1 论文研究工作总结
5．2 字典学习在传统图像领域中的应用
5．3 字典学习型算法在低剂量CT图像中的应用
5．4 结合修复算法进行改进
5．5 结合NonLocal算法的改进
5．6 研究展望
致谢
参考文献
插图目录
表格目录
