| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景及意义 | 第9-11页 |
| 1.3 研究现状及存在的问题 | 第11-13页 |
| 1.4 研究内容 | 第13页 |
| 1.5 本文组织结构 | 第13-14页 |
| 第2章 相关知识、测试数据及预处理 | 第14-26页 |
| 2.1 神经网络分类器 | 第14-17页 |
| 2.1.1 BP神经网络的结构 | 第14-15页 |
| 2.1.2 BP神经网络的学习算法 | 第15-17页 |
| 2.2 支持向量机 | 第17-21页 |
| 2.2.1 线性分类 | 第17-20页 |
| 2.2.2 非线性分类情况 | 第20-21页 |
| 2.3 数据集 | 第21-23页 |
| 2.3.1 ICPR数据集 | 第21-23页 |
| 2.3.2 SNPHEp-2 数据集 | 第23页 |
| 2.4 图像预处理 | 第23-25页 |
| 2.4.1 图像灰度化处理 | 第23-24页 |
| 2.4.2 掩膜处理 | 第24页 |
| 2.4.3 灰度归一化 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于LBP特征的染色模式分类 | 第26-35页 |
| 3.1 引言 | 第26页 |
| 3.2 LBP特征提取 | 第26-28页 |
| 3.3 CLBP特征提取 | 第28-29页 |
| 3.4 分类器设计 | 第29-32页 |
| 3.5 实验结果与分析 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于shape index特征和空间分解的染色模式分类 | 第35-49页 |
| 4.1 引言 | 第35页 |
| 4.2 基于shape index的特征提取 | 第35-38页 |
| 4.3 空间分解策略 | 第38-42页 |
| 4.3.1 基于Ostu阈值的空间分解 | 第38-39页 |
| 4.3.2 基于灰度排序的空间分解 | 第39-41页 |
| 4.3.3 基于环状空间分解 | 第41-42页 |
| 4.4 基于直方图的特征向量构建 | 第42-43页 |
| 4.5 实验结果与分析 | 第43-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 在学期间发表的学术论文与研究成果 | 第56页 |