| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·课题背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·课题主要工作 | 第13-16页 |
| ·本文主要研究工作 | 第13-14页 |
| ·论文构成 | 第14-16页 |
| 第2章 显微镜细胞的形状特征提取 | 第16-29页 |
| ·细胞图片形状特征语义模型 | 第16-17页 |
| ·形状特征提取算法概述 | 第17-23页 |
| ·基于边界的形状表达方法 | 第17-19页 |
| ·基于区域的形状表达方法 | 第19-22页 |
| ·基于变换的形状表达方法 | 第22-23页 |
| ·融合空间距离分布的不变矩特征提取算法 | 第23-29页 |
| ·Hu不变矩特征提取 | 第23-25页 |
| ·融合归一化空间距离分布直方图的不变矩特征提取 | 第25-26页 |
| ·显微镜细胞图像的归一化空间距离分布直方图不变矩特征 | 第26-29页 |
| 第3章 显微镜细胞的颜色纹理特征提取 | 第29-53页 |
| ·细胞颜色纹理语义模型 | 第29-31页 |
| ·颜色特征提取算法概述 | 第31-37页 |
| ·色彩空间的表达模型 | 第31-34页 |
| ·常用颜色特征提取算法概述 | 第34-37页 |
| ·纹理特征提取算法概述 | 第37-42页 |
| ·基于统计法的纹理特征 | 第37-40页 |
| ·基于频谱法的纹理特征 | 第40-41页 |
| ·基于结构法的纹理特征 | 第41-42页 |
| ·基于自适应概率滑动窗直方图特征 | 第42-45页 |
| ·概率滑动窗直方图 | 第42-43页 |
| ·自适应概率滑动窗直方图 | 第43-44页 |
| ·自适应概率滑动窗直方图的特征参数 | 第44页 |
| ·显微镜细胞的自适应概率滑动窗直方图特征 | 第44-45页 |
| ·基于多重分形维数的纹理特征提取与改进算法研究 | 第45-53页 |
| ·基于多重分形维数（MFD）的纹理特征 | 第45-46页 |
| ·融入网格均值加权和空间信息的改进算法 | 第46-48页 |
| ·融合椭球面空间结构的多重分形纹理特征 | 第48-49页 |
| ·显微镜细胞的多重分形维数谱特征 | 第49-53页 |
| 第4章 显微镜细胞的特征选择算法研究及实现 | 第53-63页 |
| ·特征选择算法概述 | 第53-54页 |
| ·基于离散K-L变换（DKLT）的特征选择算法 | 第54-58页 |
| ·DKLT的定义及优点描述 | 第54-55页 |
| ·PCA特征选择算法描述 | 第55-57页 |
| ·PCA算法改进 | 第57-58页 |
| ·显微镜细胞特征选择及分析 | 第58-63页 |
| ·基于763系统的特征选择平台设计 | 第58-61页 |
| ·特征选择算法性能分形 | 第61-63页 |
| 第5章 显微镜细胞识别实现及分析 | 第63-70页 |
| ·显微镜细胞识别系统总体设计 | 第63-64页 |
| ·BP神经网络识别算法及实现流程 | 第64-67页 |
| ·BP神经网络算法基本原理 | 第64-65页 |
| ·带动量项梯度下降法的BP学习算法 | 第65-66页 |
| ·BP网络算法实现流程 | 第66-67页 |
| ·基于763平台识别性能分析 | 第67-70页 |
| ·平台参数设置 | 第67-68页 |
| ·763平台的实现与分析 | 第68-70页 |
| 第6章 结论 | 第70-72页 |
| ·工作总结 | 第70-71页 |
| ·未来工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表论文目录 | 第77页 |