声明
摘要
第一章 绪论
1.1 研究的问题及意义
1.1.1 医学及应用背景
1.1.2 图像分割
1.1.3 图像超分辨
1.2 研究历史及现状
1.2.1 连续的变分能量方法
1.2.2 离散的变分能量方法
1.2.3 先验信息与正则化的构建
1.2.4 变分能量的快速优化方法
1.3 文章的结构及创新点
1.3.1 研究内容和章节安排
1.3.2 主要创新点
第二章 一个基于区域表征的自适应肝脏分割模型
2.1 引言
2.2 本文提出的模型
2.2.1 基于灰度信息的项:J2(C)
2.2.2 基于区域表征的项:J3(C)
2.2.3 自适应的混合变分模型
2.3 算法设计
2.4 实验及验证结果
2.4.1 数据集及量化度量
2.4.2 参数设置
2.4.3 两维分割及比较结果
2.4.4 三维分割结果的验证与比较
2.4.5 对初始化鲁棒性的研究实验
2.5 本章小结
第三章 一个凸的肝脏分割模型
3.1 引言
3.2 本文提出的模型
3.2.1 区域表征项
3.2.2 灰度- 边界项
3.2.3 带约束的凸的变分分割模型
3.3 算法设计
3.4 数值实验
3.4.1 实验数据及模型参数设置
3.4.2 模型比较
3.4.3 定量化验证及比较
3.4.4 脾脏分割
3.5 本章小结
第四章 基于矩阵结构低秩的单张图像变分模型
4.1 引言
4.1.1 超分辨的数学模型
4.1.2 当前研究现状
4.1.3 当前方法存在的问题
4.1.4 符号定义
4.2 稀疏表示和低秩矩阵恢复
4.2.1 稀疏表示和字典学习
4.2.2 基于稀疏表示的超分辨方法(SC)
4.2.3 低秩矩阵恢复
4.3 本文提出的方法
4.3.1 “粗糙”超分辨生成及测试
4.3.2 基于矩阵结构低秩的正则化方法
4.4 算法设计
4.4.1 计算误差矩阵E
4.4.2 计算恢复矩阵Z
4.4.3 基于结构低秩正则化的单张图像超分辨(SLR-SR)
4.5 实验验证
4.5.1 实验设计
4.5.2 不同方法的比较结果
4.5.3 训练集大小及训练参数对重建的影响比较
4.5.4 大数据集验证
4.6 本章小结
第五章 结论与展望
5.1 论文工作总结
5.2 下一步工作展望
参考文献
发表文章目录
简历
致谢