一、X光影像数字化技术发展概述（论文文献综述）
崔玉莹[1]（2021）在《基于VIIRS数据反演的京津冀大中城市夏季夜间经济总量研究》文中研究指明京津冀大中城市是北方发展程度最高的经济地区,京津冀大中城市的夜间经济总量在全国经济占据相当大的比重,因此研究京津冀地区大中城市的夜间经济总量对全国经济发展水平有较大的的推动作用。目前,夜光遥感技术已经广泛地应用于其它领域,如环境、灾害、渔业,以及重大事件评估且成效显着。但是,迄今很少见到以夜间灯光遥感数据研究夜间经济方面的成果。本文首次利用NPP-VIIRS夜间灯光遥感数据反演大中城市的夜间经济总量,构建基于长时间序列的夜间灯光遥感影像的京津冀地区大中城市夜间经济总量的反演模型,厘清京津冀大中城市夜间经济发展的时空变化动态和影响因素。研究的主要内容和结论包括:（1）NPP-VIIRS夜间灯光影像去噪处理。由于VIIRS月度合成影像中没有去除噪声、渔船、火光等短暂性光源,研究通过空间角度、地形角度和去噪精度三个方面对比分析了针对夜间灯光遥感影像常用的阈值法和掩膜法的去噪效果。结果表明,基于VIIRS年度合成标准影像的掩膜法整体上优于阈值法,去噪效果稳定,但基于同一掩膜处理长时间序列的夜间灯光影像存在时间误差;阈值法对于去除低阈值噪声具有良好的效果,但阈值的选取易受主观意识影像,且容易误除低值灯光。（2）构建基于夜间灯光影像反演夜间经济总量的模型。利用掩膜法去噪后的夜间灯光遥感影像与石家庄市区夜间经济总量的统计数据,构建了京津冀大中城市夜间经济总量的反演模型,验证结果表明,以夜间灯光总量可以有效的反演夜间经济总量,为研究京津冀各大城市夜间经济总量的发展情况提供了新角度。（3）分析京津冀大中城市夜间经济总量的时空变化。基于夜间灯光遥感数据统计得到了京津冀大中城市夜间灯光总量的时空变化趋势,利用模型反演得到京津冀各城市夜间经济总量,结果证明与实际国情相符。研究基于NPP-VIIRS夜间灯光遥感数据,结合夜间经济总量的统计数据,构建京津冀大中城市夜间经济总量的反演模型,获取京津冀大中城市夜间经济总量数据,厘清京津冀各大城市夜间经济发展的时空分布,丰富研究夜间经济发展的基础数据,为研究全国各大城市夜间经济发展奠定一定基础。
沈龙[2]（2021）在《基于改进残差网络的新冠肺炎医疗影像检测研究》文中认为2020年初,新冠肺炎的全球性爆发给世界各国的医疗资源都提出了巨大的挑战,世界各地的医院都出现了人满为患的现象。在新冠肺炎治疗的过程中,新冠肺炎患者的肺炎检测过程给各地的医疗机构都带来了巨大的负担。早在几年前,人们就将最前沿的深度学习技术和医疗相结合起来,大大提高了医疗诊断的效率。例如我们所熟知的淋巴癌、脑癌等疾病都是可以通过计算机辅助的医疗检测系统进行识别和检测的。但是与新冠肺炎相关的智能诊断系统与其他疾病诊断系统相比还是比较稀缺的,因此亟需建立一个深度学习模型来进行新冠肺炎的图像检测。本文提出了一个基于改进注意力机制残差网络的新冠肺炎医疗影像自动诊断模型,由于医疗影像的噪声比较大,因此利用该算法去噪和引入注意力机制进行新冠肺炎医疗影像的分类和识别,另外引入并且改进多尺度MSRCR（Multi-Scale Retinex）算法进行图像特征的增强,引入该算法的作用是为了使得肺部病灶图像的细节更加明显,为后面模型训练提供肺炎图像特征的关键信息。在做医疗图像病灶诊断的过程中,数据的获取就是一项比较麻烦的工作。由于本身相关数据的稀缺以及隐私问题的涉及,本文可以获取的数据量偏少。为了解决这样的问题,在正式使用新冠肺炎数据集之前,本文会提前使用基于和新冠肺炎相似的其他病毒性肺炎影像进行训练得到一个最初的模型,然后在输入新冠肺炎影像对模型的数据进行优化调整,从而达到对新冠肺炎患者的识别与检测。实验所用到的数据均来自Github网站,在基于该网站的数据集进行训练得到的准确率为0.966。通过一系列的实验,本文可以得到以下结论即利用深度学习模型对新冠肺炎医疗图像检测是可行的方案。
薛星宇[3]（2020）在《基于灯光遥感数据的城市夜光格局及对鸟类栖息地影响研究》文中认为城市是人类高度聚集的区域,其可持续发展既依赖于社会经济的繁荣,又受到生态环境的制约。我国城市化的过程前所未有而且会继续推进,及时获取、分析城市范围和形态等变化对城市规划、建设管理具有重要作用。城市建设和发展中日益重视“亮灯工程”,改变了城市夜光格局。但现有的城市夜光布局没有充分关注和满足城市不同功能区差异化的夜光需求,存在夜光供需不匹配的现象,既浪费能源,又对城市鸟类栖息地带来负面影响。因此,准确、快速地获取城市内夜光格局并分析其对鸟类栖息地的影响对优化城市夜光布局和保护城市生态环境具有重要意义。本文以杭州市为研究区,以夜光遥感数据为主,结合其他遥感数据和腾讯宜出行数据构建方法和分析体系,针对城市边界提取与时空动态变化、城市夜光供需格局及对鸟类栖息地影响进行深入探究。主要研究内容和结论如下:（1）基于夜光数据和Landsat系列数据的城市边界提取本研究综合传统光学遥感和夜光数据的优势,提出一种快速、有效的城市边界提取方法。一方面解决传统光学遥感数据提取城市边界的不连续问题,另一方面提高了基于夜光数据提取城市边界的精度。通过构建VANUI夜光指数,建立同心圈模型搜索方式确定粗略的城市范围并建立缓冲区,最后利用改进的边缘检测算法得到城市边界。研究表明,本研究提出的方法总体精度达到93.87%,精度高于传统的城市边界提取方法。同心圈模型搜索方式找到的突变点均位于城市边缘区,更加高效和快捷。针对地物类型复杂的城市边缘区,改进的边缘检测算法解决了夜光数据对城市面积的高估和低估,提升了城市边界提取精度。（2）杭州城市边界时空动态变化分析基于上述的提取方法,通过扩展强度指数、等扇分区法结合夜光重心模型分析城市边界的时空动态变化。研究发现2000-2018年杭州城市面积增长迅速,2000-2012年城市区域面积年均增长率超过14%,2012-2018年城市区域年均增长率低于6.2%。整个研究期城市主要向正东、东北和正北方向扩张,同时城市夜光平均亮度在不断增加,城市夜光重心由西湖附近移至钱江新城。（3）城市功能区夜光格局研究研究利用Luojia1-01夜光遥感数据,运用探索性空间数据分析方法和夜光亮度差异性评价指标,分析街区尺度下不同城市功能区的夜光亮度格局。利用腾讯宜出行数据表征人类活动对夜光需求的空间分布,结合双变量空间聚类和基于滑动窗口的归一化互相关匹配（NCC）算法揭示街区尺度下不同城市功能区夜光供需格局、匹配性及动态变化。结果表明,夜光亮度热点区位于人类活动强烈的区域,除城市绿地夜光亮度较高以外,其余各个城市功能区的总体夜光亮度合理,部分非建设用地功能区内存在照亮区,主要位于西湖风景区、西溪湿地以及大型公园等区域。城市内高供低需和低供高需面积占比达到46%。城市绿地和非建设用地功能区的供需不匹配现象比较严重,且以高供低需为主。从不同的时段来看,从18点到22点非建设用地和工业用地等功能区夜光供需不匹配的现象变得更严重。从夜光供需空间匹配程度上看,高供高需和低供低需街区内夜光供需空间位置不匹配的面积占比达到18.67%。（4）城市夜光对鸟类栖息地影响研究鸟类是城市生态环境最具代表性的野生动物,且对于夜光比较敏感,选择鸟类为研究对象,利用高空间分辨率Jilin1-03B夜光数据在精细尺度下分析夜光空间分布特征。根据鸟类习性从土地覆盖信息中识别鸟类休息时的核心栖息地,并在此基础上通过Circuitscape电流模型识别鸟类活动时的高概率廊道,运用空间统计方法分析鸟类栖息地内夜光空间分布。最后构建夜光供需不匹配指数评估受夜光影响的鸟类栖息地内夜光供需情况,针对不同的夜光供需情况提出相应的“亮灯工程”改进措施。结果表明,核心栖息地总面积占研究区的13.83%,主要为大型城市公园和山体自然绿地;高概率廊道的总面积占研究区的3.93%,主要为道路旁绿化带和城市内部的小型植被斑块。核心栖息地和高概率廊道所受夜光影响存在明显差异,受夜光影响的核心栖息地主要集中分布在西湖风景区和京杭大运河沿岸,主要受密集且高亮度的景观照明灯光的影响;高概率廊道则主要受路灯和车辆的发散光影响,分布较为分散,平均亮度较低。绝大部分被夜光影响的栖息地内夜间并无人类活动,但是受到夜光的影响;高夜光供需不匹配值（MI）区域大部分位于核心栖息地内;而中低MI值区域大部分位于高概率廊道内。
王兴,周侗,王文懋[4]（2020）在《合肥主城区建筑密度的珞珈一号夜光影像估算》文中研究说明建筑密度是城市规划、土地管理和居住区环境评估的重要指标。相比传统夜光遥感,珞珈一号具有更高的空间分辨率,在城市建筑密度估算方面更有优势。基于珞珈一号数据源,以合肥市主城区为实验区,以1km×1km范围为统计单元,将样区夜光影像灰度值进行灯光强度分类,同时结合人工数字化建筑物基地进行拟合分析。引入均值迁移、形态学等方法,排除道路灯光对估算结果的干扰;通过建立建筑密度估算模型,最终得到合肥市主城区的建筑密度空间分布结果,并对结果进行交叉验证。结果表明,在建筑密度估算方面,珞珈一号夜光遥感影像具有较高的估算建筑密度能力,未来在其他社会经济数据空间分析方面也具有巨大潜力。
周海彬[5]（2020）在《跨模态医学图像检索》文中提出随着医疗行业信息化水平的不断提高,医学影像数据量日益膨胀,行业内普遍现状是对于这些具有多种模态的医学图像数据一直缺乏有效的管理和检索方式,多种模态的数据检索成为了亟需解决的问题。另外,如何快速检索到对医生有用的信息,解决检索过程中存在的效率问题也是需要考虑的,比如病灶的定位,而这在大多数时候还是依靠医生机械地在检索到的序列中进行寻找,计算机辅助分析的程度还不够。针对上述问题,我们构建了跨模态的医学图像检索系统,解决了在一个框架下如何对不同模态的影像包含的不同器官进行分割并实现检索的问题,同时将病变检测有机地整合到用户检索的过程中,帮助用户在检索结果中快速定位病灶。具体工作如下:对于器官检索功能来说,为了在检索结果中能够突出用户感兴趣的器官的轮廓和结构,我们需要对器官进行分割。一方面,我们构建了基于多任务学习的跨模态多器官分割框架,将影像分类与器官分割统一到同一框架下,设计了影像模态分析与器官类型推理模块,有效利用了用户在检索过程中提供的与影像包含的器官类型相关的高层语义信息,实现了对不同模态包含的不同器官进行分割;另一方面,在分割模型设计中,我们在基础U-Net网络的编码器中引入了残差单元,以及引入GAU模块替换UNet原来简单的跳跃连接结构,对基础的UNet结构进行改进,实现对不同器官进行分割。从实验结果看,相比于原有的UNet结构,这部分改进取得了更好的器官分割结果。在实现常见器官分割的基础上,我们进一步完成在临床上需求更为迫切的病变检索任务。在病变检索的部分,我们实现了对肝脏器官CT影像中的肝癌、肝囊肿、肝血管瘤等一些常见病变的检测和分类。算法处理流程采用了Faster R-CNN模型作为病变目标检测框架,然后通过迁移学习的思想对检测到的病变区域应用Inception v3网络以确定病变类别,相比于其他常用的分类方法取得了更好的分类结果。在对病变进行分类的过程中,我们通过DCGAN网络对数据集中部分样本数量偏少的类别进行图像数据生成,有效解决了数据集不同类别样本分布不平衡的问题,同时提高了病变整体检测和分类指标。在完成医学图像检索系统所需要涉及到的算法框架设计和实现之后,我们以C/S架构设计并实现了医学图像检索系统应用。在服务端,我们定义了检索过程中所需的若干实体及其关系模型,方便我们的系统添加和扩展新的检索目标类型。在离线处理阶段,服务端对器官和病变检索数据集应用预先训练好的模型进行批处理,并将处理后的结果保存到数据库中,为后续的用户检索请求提供数据来源。客户端为用户提供了使用文本和上传影像对服务端的器官和病变数据集进行检索两种方式,同时为了增强用户对检索结果的可交互性,服务于更多使用场景比如医疗教学活动等,我们集成了器官与病灶三维可视化模块,根据完整序列的分割结果在检索结果中渲染器官与病灶的三维立体结构,帮助用户对检索目标的三维结构建立更加直观的认识。
靳亚东[6]（2019）在《X光影像管理系统设计与开发》文中认为目前在工业生产和制造领域,大量的零件X光影像数据都是以实体胶片的形式存放,而不是数字影像,不仅导致管理成本的不断增高,且无法挖掘存在的数据价值,造成了巨大的浪费。随着生产的推进和发展有更多的X光实体胶片产生,给企业的数据存储以及管理带来了较高的成本以及资源浪费,且经实体胶片转化后的数字影像也无法得到有效的管理和利用。最近几十年以来,计算机技术及其应用的高速发展,工厂使用计算机进行数字化信息管理的优势逐渐显露出来,以计算机技术为手段对企业X光影像数据进行管理和利用是一种高效、稳定的现代化信息管理方式。本课题在设计与开发的过程中需要使用的主要开发工具和开发技术为蚂蚁金服Ant Design界面库、MySQL数据库以及基于React、Spring Boot框架。结合实际业务分析X光影像管理中数字化影像管理和利用的功能需求。以需求分析为基础结合高效的开发技术划分系统的各个组成模块,主要有数据采集、数据管理、数据分析、用户界面、权限管理、报表管理和系统参数模块,对模块进行再拆分详细设计。在数据分析模块中使用本文提出的辅助算法结合人工智能检测算法进行损伤信息检测。最后,总结开发过程中产生的文档,安装配置需要的开发环境,对系统功能进行测试并对发现的错误及时修改。最终完成所有的系统功能验收,系统可以达到辅助工厂进行高效、便捷的现代化信息管理X光影像胶片数据的要求。
闫巍[7]（2019）在《面向并联外固定器械的交互式轨迹规划方法及其软件实现》文中指出密切结合骨折复位精准微创治疗对并联外固定器械计算机辅助技术的迫切需求,本文以一种并联外固定器械为对象,系统开展计算机辅助软件设计,支架重建模型参数提取,交互式复位轨迹规划等研究工作,全文主要成果如下:1.基于WebGL技术的计算机辅助软件设计。分析骨折复位手术过程与现有并联外固定器械诊疗系统,提炼软件需求,划分软件功能模块,提出由CT影像重建三维模型实现交互式复位轨迹规划的软件开发目标。确定软件架构与设计模式,考虑远程诊疗的潜在需求,采用B/S架构和MVC设计模式。对比分析Web3D技术,确定基于WebGL的Three.js作为3D环境的软件开发框架。结合软件架构、设计模式及三维交互场景,构建并联外固定器械的数字化计算机辅助软件,为支架安装参数提取、交互式复位轨迹规划奠定基础。2.基于标记物的并联外固定器械安装参数提取。根据CT影像三维重建效果选择标记物材料,设计标记物结构与布局方式。提出软件环境下提取标记物位置信息的方法。以STL文件存储CT断层扫描影像,借助区域生长算法分割标记物STL文件,提取单个标记物的点云数据,采用最小二乘法拟合标记物球面,确定标记物球心坐标。结合标记物与并联外固定器械的几何关系,求解支架参考环与移动环的中心位置坐标和姿态转换矩阵,获得支架安装参数。阐述交互软件提取支架安装参数的坐标系转换与射线拾取方法,开展本方法与X光片划线测量获取支架安装参数方法的对比实验,结果表明基于标记物提取并联外固定器械安装参数的方法具有较好的精度,解决了交互式骨折复位轨迹规划的基础难题。3.基于健-患侧对照的交互式骨折复位轨迹规划。从正常人体下肢对称关系入手,提出由三维重建模型进行健-患侧对照复位的方法,形成包含起始点、关键过程点及终点的复位轨迹。设计人机交互界面,实现三维重建模型交互操作,控制三维重建模型位姿。进行并联外固定器械的逆解分析,可获取轨迹点位置的支链长度,采用球面线性插值生成起始点、关键过程点及终点间的轨迹,解决支架姿态向量角速度变化不均匀的问题,研究复位轨迹电子处方生成方法。进行交互式复位轨迹规划的实验验证,表明复位效果良好。本文基于3D交互设计计算机辅助软件,实现并联外固定支架位姿识别、复位轨迹规划与电子处方生成等骨折复位治疗过程的可视化及数字化,可减轻医师学习与使用负担,为开发精准高效骨外固定机器人系统提供理论依据与技术支持。
周进凡[8]（2019）在《基于大数据的肺部X光图像的分析与研究方法》文中认为中国放射科医学影像增速达30%,放射科医生增速为4.1%,放射科影像数据的增长速率远远高于放射科医生的增长速率,目前最主要的X光片审阅依靠人工审阅的方式,放射科医生每天需要面临很大的压力,误诊和漏诊率也会增加。同时,因为个体差异,不同放射科医生对X光片审阅结果也存在差异。科研医疗机构希望能利用大数据与人工智能的相关技术来辅助放射科医生进行医学图像识别,提高医学影像数据识别的准确率,减轻放射科医生的压力,以达到疾病早发现、早治疗的目的。本课题在云平台下利用大数据技术对肺部X光影像数据进行分布式存储,利用深度学习技术从大量的肺部X光图像中进行自动地特征提取。对比了AlexNet、MobileNets、VGG16神经网络模型对肺部X光图像识别的准确率,选取分析效果较好的VGG16网络模型进行两次算法的改进,分别将改进后的算法命名为VGG-X和VGG-X1,VGG-X网络模型将VGG16网络中的标准卷积替换为了深度可分离卷积,VGG-X1网络模型则是在VGG-X网络的池化层之后加入了BN层。将改进后的网络模型用于对实变、肺水肿、积液、肺气肿、纤维化、疝、渗透、肿块、肺炎、正常10个类别进行识别。经过实验测试,改进后的神经网络模型在对常见肺部症状进行识别时达到了85%以上的平均准确率,相较于VGG16,提升了对常见肺部症状识别的准确率,而且改进后的网络模型的参数量低于VGG16,缩短了需要花费的时间。此外,利用大数据技术对肺部X光图像数据进行存储,提高了整个识别系统的可扩展性,保证了数据存储的安全性。
孙泽宇[9]（2018）在《基于深度学习的胸部X光影像注释》文中研究表明近年来,随着医学影像技术的发展和各种医学影像设备的广泛应用,医学影像已经成为医学诊断中必不可少的依据并且极大的提升了医生的诊断速度和准确度。在众多成像技术中,X光成像技术以其速度快、成本低、准确率高的特点成为了主要的医学影像设备之一,是常规身体检查的重要手段,应用广泛。然而大量的医学影像在方便诊断的同时也加大了医生的工作压力。与此同时,随着计算机技术的日新月异,各种先进的人工智能算法不断的应用在各个领域中并发挥出了巨大的作用。因此,利用计算机技术实现医学图像的快速注释也逐渐成为了计算机辅助诊断领域的重要研究方向。深度学习是近年来兴起的人工智能算法之一,它通过大量数据的训练能够自动提取出低层次到高层次的特征,解决了传统机器学习方法中过于依赖手工特征选取的问题,为人工智能技术的发展开创了一个新的方向。目前,深度学习算法在图像识别和自然语言处理等领域被广泛的应用并取得了出色的成绩。因此,本文在研究深度学习中卷积神经网络和循环神经网络的基础上,将该算法应用到胸部X光影像的自动识别与医学影像报告的自动生成上,提出了一种基于深度学习的医学图像自动注释的模型。本文的主要工作包括以下几个方面:首先对X光成像技术以及胸部X光影像进行了介绍,阐明了通过计算机实现医学图像自动注释的重要意义;然后介绍了深度学习的发展与现状和一些常用的神经网络,并且推导常见的网络层的计算公式;之后,本文基于Caffe深度学习框架实现了对胸部X光影像的单标签卷积神经网络训练和多标签卷积神经网络微调;最后,以医学影像报告和从卷积神经网络最后的全连接层提取出的图像特征向量作为输入数据,完成了对循环神经网络的训练并生成最后的医学图像注释。
于明远[10]（2012）在《基于反锐化掩模CR影像增强方法研究》文中认为计算机X线成像（computed radiography-CR）之所以深受医生和患者的青睐,是因为它辐射剂量小、具备强大的计算机图像后处理能力、高灰阶分辨率、可以无胶片诊断,能够实现异地会诊等等,为医患人员提供了很大的方便的同时也节约了很多时间。然而在CR成像过程中,由于人体结构和组织的复杂性以及成像系统中的X线散射、电器噪声等多种不利因素的影响导致CR图像质量下降,为此,需要对CR医学图像进行增强处理以满足医生临床诊断要求。本文根据人体不同部位CR图像特点,采取了空域与频域的增强处理方法,重点研究了基于三段线性灰度变换法、频域CR增强算法、线性反锐化掩模（UM）算法、非线性反锐化掩模算法,设计了先进的图像频域增强函数编写方法,采用“总体框架+函数模块”结构,易于调用与修改。并进行了CR图像增强实验,取得满意结果。在噪声小的情况下,线性反锐化掩模（UM）增强算法效果好；在噪声较大的情况下,非线性反锐化掩模增强算法好,这二种算法具有很好的实际应用价值。经CR头部图像经四种方法增强处理,并运用均值、方差、峰值信噪比对处理结果进行了客观评价,得出本文提出的线性反锐化掩模（UM）增强算法在噪声小的情况下,对CR图像的边缘增强效果最好。
二、X光影像数字化技术发展概述（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、X光影像数字化技术发展概述（论文提纲范文）
（1）基于VIIRS数据反演的京津冀大中城市夏季夜间经济总量研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 夜间经济的相关研究 |
| 1.1.2 夜间灯光遥感的相关研究 |
| 1.1.3 研究目标 |
| 1.2 国内外研究现状 |
| 1.2.1 我国夜间经济发展 |
| 1.2.2 夜间灯光遥感研究进展 |
| 1.2.3 夜间灯光数据处理研究 |
| 1.3 研究内容 |
| 1.3.1 研究思路与技术方法 |
| 1.3.2 研究主要内容 |
| 1.3.3 主要完成工作内容 |
| 第二章 研究区域与数据集 |
| 2.1 研究区概况 |
| 2.1.1 京津冀研究区 |
| 2.1.2 京津冀地区区域地质概况 |
| 2.2 VIIRS夜光影像遥感数据 |
| 2.2.1 NPP-VIIRS简介 |
| 2.2.2 VIIRS夜间灯光遥感影像 |
| 2.3 夜间经济总量统计数据 |
| 第三章 夜光遥感影像处理及分析 |
| 3.1 夜光遥感影像去噪 |
| 3.1.1 掩膜法 |
| 3.1.2 阈值法 |
| 3.2 去噪结果检验及分析 |
| 3.2.1 从空间分布角度分析去噪结果 |
| 3.2.2 从地形角度分析去噪结果 |
| 3.2.3 去噪结果精度检验 |
| 3.3 夜间灯光总量统计分析 |
| 3.3.1 直辖市夜间灯光总量分析 |
| 3.3.2 河北省各城市夜间灯光总量分析 |
| 3.3.3 夜间灯光总量时空变化分析 |
| 3.4 本章小结 |
| 第四章 基于夜间灯光数据的夜间经济总量回归模型 |
| 4.1 回归方程的构建参数 |
| 4.1.1 夜间经济总量的统计数据 |
| 4.1.2 夜间灯光总量数据 |
| 4.2 构建回归模型 |
| 4.2.1 回归结果与分析 |
| 4.2.2 模型验证 |
| 4.2.3 回归精度与反演模型确定 |
| 4.3 夜间经济总量的时空变化分析 |
| 4.4 本章小结 |
| 第五章 夏季夜间经济总量时空变化分析 |
| 5.1 京津冀夏季夜间经济总量时空变化 |
| 5.1.1 直辖市夏季夜间经济总量分析 |
| 5.1.2 河北省各城市夏季夜间经济总量分析 |
| 5.2 疫情影响下的京津冀 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和科研成果 |
| 作者简介 |
| 致谢 |
（2）基于改进残差网络的新冠肺炎医疗影像检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和结构 |
| 第二章 相关机器学习算法 |
| 2.1 卷积神经网络 |
| 2.1.1 算法背景及结构 |
| 2.1.2 卷积神经网络结构 |
| 2.2 残差网络 |
| 2.2.1 提出ResNet残差网络原因 |
| 2.2.2 ResNet的结构 |
| 2.2.3 ResNet的进一步改进 |
| 2.3 深度残差收缩网络 |
| 2.3.1 深度残差网络基础 |
| 2.3.2 软阈值化及阈值的要求 |
| 2.3.3 深度残差收缩网络的网络结构 |
| 2.4 注意力机制的引入 |
| 2.4.1 前言 |
| 2.4.2 注意力研究进展简介 |
| 2.4.3 软注意力的注意力域 |
| 2.5 DenseNet网络 |
| 2.5.1 基本概述 |
| 2.5.2 DenseNet网络结构 |
| 2.6 本章小结 |
| 第三章 深度学习网络用于新冠肺炎X光影像诊断 |
| 3.1 病毒性肺炎和新冠肺炎X光胸片特征 |
| 3.2 X光胸片肺炎检测与分类的问题分析 |
| 3.3 具有注意力能力的卷积神经网络 |
| 3.3.1 注意力模块 |
| 3.3.2 基于CBAM+ResNet新冠肺炎检测模型的优化 |
| 3.4 基于改进Retinex算法肺炎图像的增强 |
| 3.4.1 单尺度SSR(Single Scale Retinex) |
| 3.4.2 多尺度MSR (Multi-Scale Retinex) |
| 3.4.3 肺炎图像增强算法的优化 |
| 3.4.4 图像增强的实验过程和结果 |
| 3.5 本章小结 |
| 第四章 实验结果分析 |
| 4.1 硬件资源和实验环境的搭建 |
| 4.2 数据采集和处理 |
| 4.2.1 数据集清洗 |
| 4.2.2 数据预处理 |
| 4.3 实验过程 |
| 4.3.1 模型参数的选择 |
| 4.3.2 评价指标 |
| 4.3.3 基于改进残差网络的模型训练与结果分析 |
| 4.3.4 基于图像增强算法优化的实验结果分析 |
| 4.3.5 对比实验与结果分析 |
| 4.4 本章小结 |
| 第五章 模型部署和系统实现 |
| 5.1 Flask框架简介 |
| 5.2 系统结构设计 |
| 5.3 Flask框架的安装与Web开发 |
| 5.4 系统演示 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（3）基于灯光遥感数据的城市夜光格局及对鸟类栖息地影响研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 城市边界研究概况 |
| 1.2.2 夜光格局研究概况 |
| 1.2.3 夜光对鸟类栖息地影响研究概况 |
| 1.2.4 现有研究的不足 |
| 1.3 选题依据和目标 |
| 1.4 研究内容和技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 论文组织架构和安排 |
| 1.4.3 技术路线 |
| 2 研究区概况和数据资料 |
| 2.1 研究区概况 |
| 2.2 夜光遥感数据 |
| 2.2.1 DMSP/OLSgrc夜光数据 |
| 2.2.2 NPP-VIIRS月合成夜光数据 |
| 2.2.3 Luojia1-01 夜光数据 |
| 2.2.4 Jilin1-03B高空间分辨率夜光数据 |
| 2.3 Landsat系列数据 |
| 2.4 高分1号和高分2号数据 |
| 2.5 其他辅助数据 |
| 2.5.1 腾讯宜出行数据 |
| 2.5.2 Open Street Map数据 |
| 2.5.3 建筑物楼层数据 |
| 2.5.4 杭州市土地利用数据 |
| 2.6 本章小结 |
| 3 城市边界提取和时空动态变化研究 |
| 3.1 研究区域 |
| 3.2 城市边界提取与时空动态变化研究框架 |
| 3.3 遥感数据预处理 |
| 3.3.1 Landsat系列数据预处理 |
| 3.3.2 长时间序列夜光数据预处理 |
| 3.4 城市边界提取 |
| 3.4.1 城市边界提取方法 |
| 3.4.2 2016年城市边界结果 |
| 3.4.3 精度评价和对比方法 |
| 3.5 城市边界时空动态变化分析 |
| 3.5.1 城市边界时空动态变化分析方法 |
| 3.5.2 城市边界时空动态变化分析结果 |
| 3.6 讨论 |
| 3.6.1 同心圈模型搜索方式优势分析 |
| 3.6.2 低估和高估区域的空间不连续性 |
| 3.6.3 中值滤波的优势分析 |
| 3.6.4 方法的适宜性分析 |
| 3.7 本章小结 |
| 4 城市功能区夜光格局研究 |
| 4.1 研究区域 |
| 4.2 城市功能区夜光格局研究框架 |
| 4.3 数据预处理 |
| 4.3.1 Luojia1-01 夜光数据预处理 |
| 4.3.2 腾讯宜出行数据预处理 |
| 4.4 街区尺度城市功能区生成 |
| 4.4.1 基于空间形态学算法的街区生成方法 |
| 4.4.2 街区尺度城市功能区结果 |
| 4.5 街区尺度城市功能区夜光亮度格局研究 |
| 4.5.1 探索性空间数据分析方法 |
| 4.5.2 夜光亮度差异性评价方法 |
| 4.5.3 夜光亮度热点区结果 |
| 4.5.4 不同城市功能区夜光亮度适宜性评价结果 |
| 4.6 街区尺度城市功能区夜光供需格局研究 |
| 4.6.1 双变量空间聚类方法 |
| 4.6.2 基于滑动窗口的归一化互相关匹配算法 |
| 4.6.3 城市功能区夜光供需空间分布及动态变化结果 |
| 4.6.4 夜光供需空间匹配度结果 |
| 4.6.5 野外调查与验证 |
| 4.7 讨论 |
| 4.7.1 城市功能区夜光供需类型的差异性分析 |
| 4.7.2 城市夜光格局存在问题及其负面影响 |
| 4.7.3 城市“亮灯工程”建议 |
| 4.7.4 研究存在的不足 |
| 4.8 本章小结 |
| 5 城市夜光对鸟类栖息地影响研究 |
| 5.1 研究区域和常见鸟类介绍 |
| 5.2 城市夜光对鸟类栖息地影响研究框架 |
| 5.2.1 数据预处理 |
| 5.2.2 鸟类核心栖息地识别 |
| 5.2.3 基于Circuitscape电流模型的鸟类功能连接度的模拟 |
| 5.2.4 鸟类栖息地内夜光空间分布评价方法 |
| 5.2.5 被夜光影响的鸟类栖息地内夜光供需评价方法 |
| 5.3 结果 |
| 5.3.1 鸟类栖息地(CHNs和 HPCs)的空间分布 |
| 5.3.2 鸟类栖息地内夜光分布空间特征 |
| 5.3.3 被夜光影响鸟类栖息地内夜光供需分析结果 |
| 5.3.4 野外调查与验证 |
| 5.4 讨论 |
| 5.4.1 核心栖息地和高概率廊道内夜光空间差异 |
| 5.4.2 夜光亮度和生物学效应之间的剂量关系 |
| 5.4.3 城市“绿化工程”和“亮灯工程”的建议 |
| 5.4.4 研究存在的不足 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 攻读博士期间完成的论文 |
（4）合肥主城区建筑密度的珞珈一号夜光影像估算（论文提纲范文）
| 0 引言 |
| 1 研究区概况与数据处理 |
| 1.1 研究区概况 |
| 1.2 数据源 |
| 1.3 数据预处理 |
| 2 建筑密度估算的研究方法 |
| 2.1 修正道路干扰因素 |
| 2.2 建筑密度估算模型 |
| 3 结果分析 |
| 3.1 估算结果可靠性分析 |
| 3.2 建筑密度空间分布特征分析 |
| 4 结束语 |
（5）跨模态医学图像检索（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究方法 |
| 1.2.1 特征提取 |
| 1.2.2 相似性度量 |
| 1.2.3 特征索引 |
| 1.2.4 图像检索性能评价指标 |
| 1.3 医学图像检索面临的挑战 |
| 1.4 国内外研究现状 |
| 1.5 论文内容与章节安排 |
| 第二章 基于多任务学习的跨模态多器官分割 |
| 2.1 引言 |
| 2.2 UNet模型简介 |
| 2.2.1 医学图像分割方法 |
| 2.2.2 UNet网络结构 |
| 2.2.3 图像分割指标 |
| 2.3 基于多任务学习的跨模态多器官分割框架 |
| 2.3.1 影像模态分析与器官类型推理 |
| 2.3.2 基于Inception v3网络的影像分类 |
| 2.3.3 基于改进UNet的肝脏与肺部分割 |
| 2.4 实验设计与结果分析 |
| 2.4.1 数据集说明 |
| 2.4.2 模型训练和测试 |
| 2.4.3 结果分析 |
| 2.5 本章小结 |
| 第三章 基于Faster R-CNN与样本生成的病变检测与分类检索 |
| 3.1 引言 |
| 3.2 医学图像目标检测方法 |
| 3.2.1 医学图像目标检测方法 |
| 3.2.2 Faster R-CNN网络结构 |
| 3.3 基于Faster R-CNN的肝脏多病变检测与分类框架 |
| 3.3.1 基于Faster R-CNN网络的肝脏多病变检测 |
| 3.3.2 基于DCGAN网络的肝脏病变分类 |
| 3.4 实验设计与结果分析 |
| 3.4.1 数据预处理 |
| 3.4.2 模型训练和测试 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第四章 跨模态医学图像检索系统设计与实现 |
| 4.1 引言 |
| 4.2 医学图像检索系统架构 |
| 4.2.1 数据库设计 |
| 4.2.2 离线预处理 |
| 4.3 检索系统主要功能模块 |
| 4.3.1 器官检索 |
| 4.3.2 病变检索 |
| 4.3.3 器官三维可视化 |
| 4.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）X光影像管理系统设计与开发（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 1.4 全文结构 |
| 第2章 系统使用技术、工具介绍 |
| 2.1 IDEA、Spring Boot技术介绍 |
| 2.2 Webstorm、React技术介绍 |
| 2.3 HeidiSQL、MySQL技术介绍 |
| 2.4 本章总结 |
| 第3章 系统需求 |
| 3.1 系统主要功能 |
| 3.2 系统可行性分析 |
| 3.3 系统需求分析 |
| 3.3.1 功能需求 |
| 3.3.2 非功能需求 |
| 第4章 系统总体设计 |
| 4.1 系统架构设计 |
| 4.1.1 系统设计思想 |
| 4.2 系统模块设计 |
| 4.2.1 数据采集模块 |
| 4.2.2 数据管理模块 |
| 4.2.3 数据分析模块 |
| 4.2.4 用户界面模块 |
| 4.2.5 权限管理模块 |
| 4.2.6 报表管理模块 |
| 4.2.7 系统参数模块 |
| 4.3 系统类设计 |
| 4.4 数据库设计 |
| 第5章 系统实现和测试 |
| 5.1 开发环境 |
| 5.2 主要功能模块实现 |
| 5.2.1 数据采集模块 |
| 5.2.2 数据管理模块 |
| 5.2.3 数据分析模块 |
| 5.3 系统测试 |
| 5.3.1 测试方法 |
| 5.3.2 测试用例 |
| 5.3.4 测试总结 |
| 第6章 X光影像字符识别与定位算法 |
| 6.1 字符检测难点及算法选用 |
| 6.2 算法实施方案 |
| 6.2.1 数据集来源及标注信息 |
| 6.2.2 自生成预训练数据集及其对应标签 |
| 6.2.3 自生成增强数据集及其对应标签 |
| 6.2.4 深度学习模型的设计与训练方法 |
| 6.2.5 模型预测结果分析 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（7）面向并联外固定器械的交互式轨迹规划方法及其软件实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 字母注释表 |
| 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 骨外固定技术 |
| 1.2.2 并联外固定器械计算机辅助软件 |
| 1.2.3 计算机辅助软件图形技术 |
| 1.3 本文主要研究内容 |
| 第二章 计算机辅助软件总体方案设计 |
| 2.1 引言 |
| 2.2 软件需求分析与功能模块设计 |
| 2.2.1 软件需求分析 |
| 2.2.2 软件功能模块划分 |
| 2.3 软件架构设计 |
| 2.3.1 软件基础架构 |
| 2.3.2 软件设计模式 |
| 2.4 三维交互场景构建 |
| 2.4.1 WebGL框架 |
| 2.4.2 三维交互场景 |
| 2.5 小结 |
| 第三章 并联外固定器械安装参数提取 |
| 3.1 引言 |
| 3.2 标记物设计 |
| 3.2.1 标记物材料 |
| 3.2.2 标记物结构与布局 |
| 3.3 标记物位置提取 |
| 3.3.1 STL文件 |
| 3.3.2 单标记物点云数据 |
| 3.3.3 标记物球心拟合 |
| 3.4 并联外固定器械位姿求解 |
| 3.5 三维场景交互提取参数 |
| 3.5.1 坐标系转换 |
| 3.5.2 关键点射线拾取 |
| 3.6 实验验证 |
| 3.6.1 实验仪器 |
| 3.6.2 实验原理 |
| 3.6.3 实验过程 |
| 3.6.4 实验结果与讨论 |
| 3.7 小结 |
| 第四章 交互式复位轨迹规划 |
| 4.1 引言 |
| 4.2 复位轨迹规划策略 |
| 4.3 骨折复位轨迹算法 |
| 4.3.1 位姿逆解 |
| 4.3.2 轨迹插值 |
| 4.4 三维场景交互式轨迹规划 |
| 4.4.1 人机交互界面设计 |
| 4.4.2 三维模型交互操作 |
| 4.5 软件系统实验 |
| 4.5.1 实验仪器 |
| 4.5.2 实验原理 |
| 4.5.3 实验过程 |
| 4.5.4 实验结果与分析 |
| 4.6 小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（8）基于大数据的肺部X光图像的分析与研究方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 课题研究目的和主要内容 |
| 1.4 论文组织结构 |
| 第二章 大数据技术与深度学习算法研究 |
| 2.1 大数据技术 |
| 2.1.1 大数据技术概述 |
| 2.1.2 分布式存储框架研究 |
| 2.2 深度学习 |
| 2.2.1 深度学习概述 |
| 2.2.2 深度学习算法研究 |
| 2.2.3 激活函数 |
| 2.2.4 目标函数优化算法研究 |
| 2.2.5 自适应学习率算法研究 |
| 2.3 本章小结 |
| 第三章 肺部X光医学影像处理方法研究 |
| 3.1 肺部X光医学影像数据集 |
| 3.2 图像预处理算法研究 |
| 3.3 AlexNet网络 |
| 3.3.1 AlexNet网络模型研究 |
| 3.3.2 基于AlexNet的肺部X光医学影像分析 |
| 3.4 VGG神经网络 |
| 3.4.1 VGG网络模型研究 |
| 3.4.2 基于VGG16的肺部X光医学影像分析 |
| 3.5 MobileNets神经网络 |
| 3.5.1 MobileNets神经网络模型研究 |
| 3.5.2 基于MobileNets网络的肺部X光影像分析 |
| 3.6 算法对比分析 |
| 3.7 本章小结 |
| 第四章 肺部X光医学影像识别方法研究 |
| 4.1 VGG-X网络模型 |
| 4.1.1 基于改进的VGG16网络模型研究 |
| 4.1.2 基于VGG-X网络的肺部X光医学影像分析 |
| 4.2 VGG-X1网络模型 |
| 4.2.1 基于改进的VGG-X网络模型研究 |
| 4.2.2 基于VGG-X1网络的肺部X光医学影像分析 |
| 4.3 实验结果分析 |
| 4.4 本章小结 |
| 第五章 系统方案实现与测试 |
| 5.1 肺部X光医学影像识别平台研究 |
| 5.1.1 数据存储平台研究 |
| 5.1.2 数据分析平台研究 |
| 5.1.3 可视化平台研究 |
| 5.2 肺部X光医学影像识别平台搭建 |
| 5.2.1 分布式存储平台搭建 |
| 5.2.2 可视化平台搭建 |
| 5.3 肺部X光医学影像分析系统实现 |
| 5.3.1 肺部X光医学影像识别系统验证 |
| 5.3.2 肺部X光医学影像识别系统测试 |
| 5.4 肺部X光医学影像识别系统实现 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文研究工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）基于深度学习的胸部X光影像注释（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景 |
| 1.2 论文研究的目的和意义 |
| 1.3 研究现状概述 |
| 1.4 发展趋势 |
| 1.5 论文的组织结构 |
| 第2章 深度学习相关理论知识 |
| 2.1 深度学习 |
| 2.1.1 人工神经网络的发展 |
| 2.1.2 深度学习的发展 |
| 2.2 反向传播算法 |
| 2.3 深度学习中常用方法 |
| 2.3.1 激活函数 |
| 2.3.2 Dropout |
| 2.3.3 权值初始化 |
| 2.4 常用深度学习框架 |
| 2.4.1 Caffe的基础结构 |
| 2.4.2 Caffe框架的求解方式 |
| 2.5 本章小结 |
| 第3章 基于CNN网络的胸部X光影像的识别 |
| 3.1 卷积神经网络的搭建 |
| 3.1.1 卷积神经网络 |
| 3.1.2 卷积神经网络的搭建 |
| 3.2 胸部X光影像数据的处理 |
| 3.3 卷积神经网络的训练 |
| 3.3.1 单标签卷积神经网络的训练 |
| 3.3.2 多标签卷积神经网络的微调 |
| 3.4 胸部X光影像识别结果评估 |
| 3.5 小结 |
| 第4章 基于RNN的医学影像描述的生成 |
| 4.1 循环神经网络的搭建 |
| 4.1.1 循环神经网络 |
| 4.1.2 循环神经网络的搭建 |
| 4.2 医学影像报告的处理 |
| 4.3 图像特征向量的提取 |
| 4.4 循环神经网络的训练 |
| 4.4.1 循环神经网络的训练流程 |
| 4.4.2 基于Py Torch的 LSTM网络训练 |
| 4.5 图像注释结果的评估 |
| 4.6 小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
（10）基于反锐化掩模CR影像增强方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 计算机X线成像技术国内外发展情况 |
| 1.3 论文研究的目的和内容 |
| 第二章 计算机X线(CR)成像概述 |
| 2.1 计算机X光影像仪(CR)系统组成 |
| 2.2 计算机X光影像仪(CR)系统工作原理 |
| 2.3 计算机X光影像仪(CR)数据的采集与拾取 |
| 2.4 CR图像的特点 |
| 2.5 小结 |
| 第三章 计算机X光影像仪(CR)医学图像增强理论分析 |
| 3.1 CR医学图像增强基本原理 |
| 3.2 CR医学图像边缘细节增强 |
| 3.2.1 微分法 |
| 3.2.2 梯度算子 |
| 3.2.3 拉普拉斯运算 |
| 3.3 小结 |
| 第四章 CR医学图像增强方法实验 |
| 4.1 常规CR医学图像增强 |
| 4.1.1 三段线性变换法 |
| 4.1.2 三段线性灰度变换编程处理实验 |
| 4.1.2.1 三段线性灰度变换 |
| 4.1.2.2 三段线性变换结果 |
| 4.1.3 非线性变换 |
| 4.1.4 对数变换 |
| 4.1.4.1 对数变换MATLAB程序 |
| 4.1.4.2 对数变换结果 |
| 4.1.5 指数变换 |
| 4.1.5.1 指数变换MATLAB程序 |
| 4.1.5.2 指数变换结果 |
| 4.2 CR医学图像频域增强 |
| 4.2.1 频域增强算法原理 |
| 4.2.2 高频增强滤波器进行CR图像增强 |
| 4.2.3 CR图像频域增强程序设计 |
| 4.2.4 CR图像频域增强实验结果 |
| 4.2.5 CR图像频域增强实验结论 |
| 4.3 基于线性反锐化掩模法(UM)实现CR医学图像增强 |
| 4.4 线性反锐化掩模法CR图像增强实验 |
| 4.4.1 线性UM算法增强CR图像实验 |
| 4.4.2 MATLAB编程处理 |
| 4.4.3 线性UM算法增强CR图像实验结论 |
| 4.5 基于非线性反锐化掩模法增强CR医学图像 |
| 4.5.1 非线性反锐化掩模算法原理 |
| 4.5.2 非线性反锐化掩模法CR图像增强实验 |
| 4.5.2.1 密度为0.02的椒盐噪声用3*3模板中值滤波 |
| 4.5.2.2 密度为0.02的椒盐噪声用5*5模板中值滤波 |
| 4.5.3 非线性反锐化掩模法增强CR图像实验结论 |
| 4.6 实验结果及讨论 |
| 4.6.1 CR图像增强的性能评价准则 |
| 4.6.2 CR图像增强的性能对比 |
| 4.7 小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
四、X光影像数字化技术发展概述（论文参考文献）
- [1]基于VIIRS数据反演的京津冀大中城市夏季夜间经济总量研究[D]. 崔玉莹. 河北地质大学, 2021(07)
- [2]基于改进残差网络的新冠肺炎医疗影像检测研究[D]. 沈龙. 宁夏大学, 2021
- [3]基于灯光遥感数据的城市夜光格局及对鸟类栖息地影响研究[D]. 薛星宇. 浙江大学, 2020(01)
- [4]合肥主城区建筑密度的珞珈一号夜光影像估算[J]. 王兴,周侗,王文懋. 遥感信息, 2020(03)
- [5]跨模态医学图像检索[D]. 周海彬. 西安电子科技大学, 2020(05)
- [6]X光影像管理系统设计与开发[D]. 靳亚东. 天津大学, 2019(01)
- [7]面向并联外固定器械的交互式轨迹规划方法及其软件实现[D]. 闫巍. 天津大学, 2019(01)
- [8]基于大数据的肺部X光图像的分析与研究方法[D]. 周进凡. 贵州大学, 2019(09)
- [9]基于深度学习的胸部X光影像注释[D]. 孙泽宇. 北京理工大学, 2018(07)
- [10]基于反锐化掩模CR影像增强方法研究[D]. 于明远. 长春理工大学, 2012(02)
标签：肺炎论文;