| 第一章 绪论 | 第1-9页 |
| 1．1 问题的提出 | 第6-7页 |
| 1．2 医学细胞图像分类识别的发展及研究现状 | 第7页 |
| 1．3 本文研究内容 | 第7-9页 |
| 第二章 图像分割与图像识别的基本知识 | 第9-13页 |
| 2．1 图像分割 | 第9-10页 |
| 2．2 图像识别 | 第10-11页 |
| 2．3 图像分割识别方法概述 | 第11-12页 |
| 2．4 细胞图像分类识别研究与医学 | 第12页 |
| 2．5 本章小结 | 第12-13页 |
| 第三章 细胞显微图像三值化与形态特征提取 | 第13-28页 |
| 3．1 图像采集 | 第13-14页 |
| 3．2 细胞显微图像的预处理 | 第14页 |
| 3．3 细胞图像三值化 | 第14-15页 |
| 3．4 自适应最小距离算法 | 第15-20页 |
| 3．4．1 自适应最小距离算法实现 | 第15-19页 |
| 3．4．2 自适应最小距离算法对样本图像三值化的实验结果与分析 | 第19-20页 |
| 3．5 图像边缘检测 | 第20-21页 |
| 3．6 样本形态特征提取和八链码 | 第21-26页 |
| 3．6．1 特征提取概述 | 第21-22页 |
| 3．6．2 八链码和各项形态特征介绍 | 第22-26页 |
| 3．7 特征值的标准化 | 第26-27页 |
| 3．8 本章小结 | 第27-28页 |
| 第四章 BP神经网络用于癌细胞图像识别的研究 | 第28-36页 |
| 4．1 神经网络概述 | 第28-29页 |
| 4．2 BP网络简介 | 第29页 |
| 4．3 BP网络的结构 | 第29-31页 |
| 4．4 BP算法简介 | 第31-34页 |
| 4．5 实验结果与分析 | 第34-35页 |
| 4．6 本章小结 | 第35-36页 |
| 第五章 最小距离监督分类法在癌细胞图像识别的应用研究 | 第36-41页 |
| 5．1 最小距离算法的实现 | 第36-40页 |
| 5．2 实验结果与分析 | 第40页 |
| 5．3 本章小结 | 第40-41页 |
| 第六章 Bayes决策理论在癌细胞图像识别的应用研究 | 第41-47页 |
| 6．1 统计模式识别简介 | 第41页 |
| 6．2 Bayes分类算法 | 第41-45页 |
| 6．2．1 贝叶斯判别原则 | 第41-42页 |
| 6．2．2 正态分布模式的贝叶斯分类器 | 第42-44页 |
| 6．2．3 Bayes分类器的设计 | 第44-45页 |
| 6．3 实验结果与分析 | 第45-46页 |
| 6．4 本章小结 | 第46-47页 |
| 第七章 三种分类方法实验结果的比较与分析 | 第47-51页 |
| 7．1 实验结果比较 | 第47-48页 |
| 7．2 分析与总结 | 第48-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 硕士期间参研项目及发表论文 | 第55页 |
