| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1. 绪论 | 第11-18页 |
| ·研究目的及意义 | 第11-12页 |
| ·国内外研究综述 | 第12-15页 |
| ·本文主要研究工作 | 第15-16页 |
| ·全文结构安排 | 第16-18页 |
| 2. 研究的理论基础 | 第18-26页 |
| ·显微细胞图像分割概述及算法分类 | 第18-20页 |
| ·概述 | 第18页 |
| ·算法分类 | 第18-20页 |
| ·最大信息熵原理 | 第20-26页 |
| ·信息熵 | 第20-21页 |
| ·最大信息熵原理及数学论证 | 第21-22页 |
| ·最大信息熵原理在显微细胞图像分割领域的应用 | 第22-26页 |
| 3. 基于最大信息熵原理的显微细胞图像多阈值分割 | 第26-43页 |
| ·一维最大信息熵多阈值分割算法 | 第26-32页 |
| ·算法的实现 | 第26-30页 |
| ·实验结果与分析 | 第30-32页 |
| ·基于均值-梯度共生矩阵模型的最大熵多阈值处理算法 | 第32-43页 |
| ·构造均值-梯度共生矩阵模型 | 第32-34页 |
| ·优化最大信息熵算法确定梯度坐标阈值 | 第34-36页 |
| ·改变区域划分方式确定均值坐标阈值 | 第36-38页 |
| ·算法流程 | 第38-40页 |
| ·实验结果与分析 | 第40-43页 |
| 4. 结论与展望 | 第43-45页 |
| ·结论 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48页 |