声明
第一章 绪 论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 传统去噪方法
1.2.2 CT图像去噪方法
1.2.3 MVCT图像去噪方法
1.2.4 鉴别性特征字典和三维块匹配算法
1.3 研究内容
1.4 论文结构安排
第二章 基于鉴别性特征表示的MVCT图像去噪
2.1 引言
2.2 稀疏表示
2.2.1 正交匹配追踪
2.3 鉴别性字典的构建
2.3.1 体模图像体数据字典构建
2.3.2 临床人体图像体数据字典构建
2.4 基于DFR算法的MVCT去噪
2.4.1 基于DFR（体模图像字典）算法的MVCT去噪
2.4.2 基于DFR（临床人体图像字典）算法的MVCT去噪
2.5 实验结果分析
2.5.1 视觉评估
2.5.2 定量评价
2.5.3 参数分析
2.6 本章小结
第三章 基于三维块匹配和鉴别性特征表示的MVCT图像去噪
3.1 引言
3.2 基于BM3D+DFR算法的MVCT去噪
3.3 实验结果分析
3.3.1 视觉评估
3.3.2 定量评价
3.3.3 统计分析
3.3.4 参数设置
3.4 处理后MVCT图像的检验
3.4.1 检验处理后的图像密度信息
3.4.2 检验处理后的图像用于剂量计算的可行性
3.5 提取原始和处理后MVCT图像的边缘
3.6 本章小结
第四章 基于并行加速算法的MVCT图像去噪
4.1 引言
4.2 Matlab并行算法
4.2.1 运行环境
4.2.2 配置和开启并行池
4.2.3 Matlab并行算法工作流程
4.2.4 基于Matlab并行计算的MVCT图像去噪算法代码
4.2.5 关闭并行池
4.3 OpenMP并行算法
4.3.1 环境配置
4.3.2 并行循环结构C/C++
4.3.3 API函数
4.3.4 基于OpenMP并行计算的MVCT图像去噪算法代码
4.4 并行加速结果展示
4.5 本章小结
第五章 MVCT图像去噪增强系统
5.1 引言
5.2 MVCT图像去噪增强系统
5.2.1 需求分析
5.2.2 运行环境
5.2.3 系统设计
5.3 软件系统实现
5.3.1 原始MVCT图像的读取和评价
5.3.2 DFR（体模图像字典）算法实现
5.3.3 DFR（临床人体图像字典）算法实现
5.3.4 BM3D+DFR（临床人体图像字典）算法实现
5.3.5 系统其它应用功能
5.4 本章小结
第六章 结论与展望
6.1 总结
6.2 展望
参考文献
致谢
附录
济南大学;
