| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·引言 | 第10-12页 |
| ·课题研究的背景及意义 | 第12-13页 |
| ·尿液管型分割识别的现状 | 第13页 |
| ·本文的研究内容 | 第13-15页 |
| 第2章 图像分割方法介绍 | 第15-26页 |
| ·边缘检测 | 第15-19页 |
| ·微分算子 | 第16页 |
| ·拉普拉斯-高斯算子法 | 第16-17页 |
| ·Canny 法 | 第17-19页 |
| ·阈值分割方法 | 第19-20页 |
| ·数学形态学方法 | 第20页 |
| ·基于神经网络的方法 | 第20-21页 |
| ·基于小波分析和变换的方法 | 第21-22页 |
| ·半自动、或人机交互分割方法 | 第22页 |
| ·其他分割方法 | 第22-24页 |
| ·分割方法的评价体系 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于Mean Shift 与改进最大熵法的管型分割 | 第26-45页 |
| ·Mean Shift 平滑 | 第26-31页 |
| ·Mean Shift 简介 | 第26-27页 |
| ·Mean Shift 的扩展 | 第27-29页 |
| ·算法实现 | 第29-31页 |
| ·直方图均衡化 | 第31-32页 |
| ·图像最大熵分割 | 第32-38页 |
| ·一维熵阈值法 | 第33页 |
| ·二维熵阈值法 | 第33-38页 |
| ·图像填充 | 第38-39页 |
| ·图像杂质块的去除 | 第39-40页 |
| ·图像的形态学操作 | 第40-42页 |
| ·形态学介绍 | 第40-41页 |
| ·图像膨胀 | 第41-42页 |
| ·分割结果分析 | 第42页 |
| ·本章小结 | 第42-45页 |
| 第4章 管型识别 | 第45-53页 |
| ·图像识别方法及特点 | 第45-47页 |
| ·决策树概述 | 第47-49页 |
| ·管型识别 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 论文主要工作与成果 | 第53页 |
| 进一步研究方向 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 附录A 攻读硕士学位期间所发表学术论文 | 第60-61页 |
| 致谢 | 第61页 |