真彩色细胞显微图像自动识别技术的研究
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-14页 |
| 缩略词注释表 | 第14-15页 |
| 第一章 绪论 | 第15-26页 |
| ·课题研究背景及意义 | 第15-16页 |
| ·血液样本说明 | 第16-17页 |
| ·白细胞形态 | 第17-18页 |
| ·血细胞自动识别技术的研究现状 | 第18-22页 |
| ·图像预处理和图像分割 | 第19-20页 |
| ·特征提取和描述 | 第20-21页 |
| ·细胞分类识别 | 第21-22页 |
| ·论文的主要工作和创新点 | 第22-25页 |
| ·论文的结构安排 | 第25-26页 |
| 第二章 彩色血细胞图像分割理论基础 | 第26-33页 |
| ·图像分割的定义 | 第26-28页 |
| ·常用的细胞图像分割算法 | 第28-31页 |
| ·传统的分割算法 | 第28-29页 |
| ·最新的分割算法 | 第29-31页 |
| ·血细胞图像的彩色空间 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 融合灰度和梯度信息的彩色细胞图像分割 | 第33-44页 |
| ·改进的迭代阈值分割算法分割血细胞图像 | 第33-36页 |
| ·胞核分割 | 第33-36页 |
| ·胞浆分割 | 第36页 |
| ·基于数学形态学梯度特征的轮廓提取 | 第36-39页 |
| ·数学形态学 | 第37页 |
| ·基于数学形态学梯度的轮廓检测 | 第37-39页 |
| ·细胞的自动检出 | 第39-40页 |
| ·血细胞分割结果分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 血细胞分类特征的提取 | 第44-56页 |
| ·几何特征的提取 | 第44-47页 |
| ·几何特征提取的方法 | 第44-46页 |
| ·几何特征的提取结果 | 第46-47页 |
| ·色度和亮度特征的提取 | 第47-48页 |
| ·色度和亮度特征提取方法 | 第47-48页 |
| ·色度和亮度特征的提取结果 | 第48页 |
| ·彩色特征的提取 | 第48-50页 |
| ·彩色特征提取方法 | 第48-49页 |
| ·彩色特征的提取结果 | 第49-50页 |
| ·纹理特征的提取 | 第50-52页 |
| ·纹理特征的提取方法 | 第50-52页 |
| ·纹理特征的提取结果 | 第52页 |
| ·胞浆颗粒特征的提取 | 第52-55页 |
| ·颗粒特征的提取方法 | 第53-54页 |
| ·颗粒特征的提取结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 血细胞分类器的设计 | 第56-73页 |
| ·神经网络分类器 | 第56-62页 |
| ·BP神经元及BP网络模型 | 第57-60页 |
| ·BP网络的设计 | 第60-61页 |
| ·BP网络的学习算法 | 第61-62页 |
| ·支持向量机算法 | 第62-70页 |
| ·经验风险最小化(ERM) | 第63-64页 |
| ·结构风险最小化(SRM) | 第64-66页 |
| ·支持向量机 | 第66-69页 |
| ·SVM分类器的构建 | 第69-70页 |
| ·BP网络和SVM分类对比实验结果分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 总结和展望 | 第73-76页 |
| ·工作总结 | 第73-74页 |
| ·今后的工作方向 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 作者攻读硕士学位期间发表的论文 | 第83-84页 |
| 学位论文评阅及答辩情况表 | 第84页 |
