| 表目录 | 第1-8页 |
| 图目录 | 第8-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-33页 |
| ·课题背景与社会意义 | 第13-14页 |
| ·细胞图像获取及处理流程 | 第14-16页 |
| ·研究现状 | 第16-28页 |
| ·细胞图像分割方法研究现状 | 第17-24页 |
| ·细胞图像纹理特征提取方法研究现状 | 第24-27页 |
| ·细胞图像分类方法研究现状 | 第27-28页 |
| ·课题来源与研究目标 | 第28页 |
| ·本文的研究内容与组织安排 | 第28-33页 |
| 第二章 基于射线梯度GVF Snake模型的宫颈细胞图像分割 | 第33-55页 |
| ·引言 | 第33-34页 |
| ·宫颈细胞图像预处理 | 第34-40页 |
| ·图像灰度化 | 第34-35页 |
| ·边缘保持去噪 | 第35-40页 |
| ·初始轮廓提取 | 第40-44页 |
| ·细胞核、细胞质和背景粗分割 | 第40-43页 |
| ·灰度加权中心标定 | 第43-44页 |
| ·射线梯度GVF Snake主动轮廓模型 | 第44-50页 |
| ·GVF Snake主动轮廓模型 | 第44-45页 |
| ·基于射线梯度的边缘图计算 | 第45-49页 |
| ·基于栈的灰度差补偿算法 | 第49-50页 |
| ·实验与结果 | 第50-52页 |
| ·细胞核分割实验 | 第51页 |
| ·细胞质分割实验 | 第51-52页 |
| ·本章小结 | 第52-55页 |
| 第三章 基于Gabor系数分块统计的细胞图像纹理提取 | 第55-65页 |
| ·引言 | 第55-56页 |
| ·Gabor变换简介 | 第56-57页 |
| ·Gabor系数分块统计 | 第57-58页 |
| ·块特征矢量计算 | 第57-58页 |
| ·图像特征矢量计算 | 第58页 |
| ·最优特征选择及分类器设计 | 第58-60页 |
| ·自适应特征选择 | 第58-59页 |
| ·利用投票机制构建多类分类器 | 第59-60页 |
| ·实验与结果 | 第60-64页 |
| ·人脸识别实验 | 第60-62页 |
| ·HEp-2细胞染色型别分类实验 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 基于局部最大熵多值模式的细胞图像纹理提取 | 第65-79页 |
| ·引言 | 第65-66页 |
| ·局部二值模式与局部多值模式 | 第66-71页 |
| ·局部最大熵多值模式 | 第71-72页 |
| ·基于最大熵原理的自适应阈值求解 | 第71页 |
| ·平面切分组合编码 | 第71-72页 |
| ·多分辨率分析 | 第72页 |
| ·实验与结果 | 第72-77页 |
| ·公共纹理数据集实验 | 第73-76页 |
| ·HEp-2细胞染色型别分类实验 | 第76-77页 |
| ·本章小结 | 第77-79页 |
| 第五章 基于后验概率的细胞图像多特征融合分类 | 第79-89页 |
| ·引言 | 第79页 |
| ·背景介绍 | 第79-84页 |
| ·图像纹理提取 | 第79-80页 |
| ·后验概率分类器 | 第80-84页 |
| ·后验概率加权融合 | 第84页 |
| ·AdaBoost.M1分类器集成框架 | 第84-85页 |
| ·实验与结果 | 第85-87页 |
| ·本章小结 | 第87-89页 |
| 第六章 改进ELM分类器解决医学数据的不平衡分类问题 | 第89-107页 |
| ·引言 | 第89-90页 |
| ·背景介绍 | 第90-92页 |
| ·代价敏感分类 | 第90-91页 |
| ·不平衡数据分类评价标准 | 第91-92页 |
| ·代价敏感ELM（CS-ELM） | 第92-93页 |
| ·代价敏感组合ELM（ELM-AdaCx） | 第93-96页 |
| ·实验与结果 | 第96-100页 |
| ·实验环境及参数设定 | 第97页 |
| ·不平衡两类问题分类性能测试 | 第97-99页 |
| ·使用ELM对预处理后的不平衡数据进行分类测试 | 第99页 |
| ·不平衡多类问题分类性能测试 | 第99-100页 |
| ·本章小结 | 第100-107页 |
| 第七章 总结与展望 | 第107-113页 |
| ·对本文工作的总结 | 第107-109页 |
| ·对未来工作的展望 | 第109-113页 |
| 致谢 | 第113-115页 |
| 参考文献 | 第115-129页 |
| 作者在学期间取得的学术成果 | 第129-130页 |
