| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文的研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的研究内容和主要结构 | 第11-14页 |
| 1.3.1 论文的研究内容 | 第11-12页 |
| 1.3.2 论文的主要结构 | 第12-14页 |
| 第二章 乳腺癌免疫组化图像与常用分割方法 | 第14-24页 |
| 2.1 乳腺癌免疫组化图像 | 第14-17页 |
| 2.1.1 乳腺癌形成原因与临床诊断标准 | 第14-15页 |
| 2.1.2 免疫组织化学技术 | 第15-16页 |
| 2.1.3 乳腺癌免疫组化图片的获取 | 第16页 |
| 2.1.4 乳腺癌免疫组化图像的分类及特点 | 第16-17页 |
| 2.2 图像分割常用方法 | 第17-24页 |
| 2.2.1 基于边缘的分割方法 | 第18-19页 |
| 2.2.2 基于区域的分割方法 | 第19-21页 |
| 2.2.3 基于聚类的方法 | 第21-22页 |
| 2.2.4 基于数学理论的新方法 | 第22-24页 |
| 第三章 免疫组化图像预处理 | 第24-38页 |
| 3.1 彩色模型的选择 | 第25-27页 |
| 3.1.1 RGB模型 | 第25页 |
| 3.1.2 YUV模型 | 第25-26页 |
| 3.1.3 HSI模型 | 第26-27页 |
| 3.2 图像对比度增强 | 第27-32页 |
| 3.2.1 直方图均衡化 | 第27-28页 |
| 3.2.2 幂率变换 | 第28-29页 |
| 3.2.3 分段线性变换 | 第29-30页 |
| 3.2.4 实验结果与分析 | 第30-32页 |
| 3.3 图像滤波 | 第32-38页 |
| 3.3.1 中值滤波 | 第32-33页 |
| 3.3.2 高斯滤波 | 第33页 |
| 3.3.3 双边滤波 | 第33-35页 |
| 3.3.4 实验结果及分析 | 第35-38页 |
| 第四章 免疫组化图像分割 | 第38-55页 |
| 4.1 多种着色的颜色分离 | 第38-41页 |
| 4.1.1 颜色反卷积 | 第38-40页 |
| 4.1.2 实验结果与分析 | 第40-41页 |
| 4.2 模糊C均值聚类算法 | 第41-45页 |
| 4.2.1 模糊集 | 第42页 |
| 4.2.2 C均值聚类算法 | 第42-43页 |
| 4.2.3 模糊C均值聚类算法 | 第43-45页 |
| 4.2.4 聚类结果评价指标 | 第45页 |
| 4.3 改进的FCM图像分割算法 | 第45-53页 |
| 4.3.1 聚类的个数 | 第46-47页 |
| 4.3.2 邻域约束的隶属度矩阵 | 第47-48页 |
| 4.3.3 基于邻域隶属度约束的FCM图像分割 | 第48-53页 |
| 4.3.3.1 图像分割算法步骤 | 第48-49页 |
| 4.3.3.2 邻域隶属度权重因子 | 第49-50页 |
| 4.3.3.3 聚类中心的选择 | 第50-53页 |
| 4.4 实验结果与讨论 | 第53-54页 |
| 4.5 小结 | 第54-55页 |
| 第五章 重叠粘连细胞的分离 | 第55-68页 |
| 5.1 常用的粘连细胞分离方法 | 第55-58页 |
| 5.1.1 基于数学形态学方法 | 第55-57页 |
| 5.1.2 分水岭算法 | 第57-58页 |
| 5.2 基于凹陷点匹配的自动分离 | 第58-67页 |
| 5.2.1 粘连判别 | 第58-59页 |
| 5.2.2 凹陷点检测 | 第59-62页 |
| 5.2.2.1 Harris算法 | 第59-60页 |
| 5.2.2.2 Susan算法 | 第60-61页 |
| 5.2.2.3 基于Harris角点与USAN区域的凹陷点检测 | 第61-62页 |
| 5.2.2.4 实验结果与分析 | 第62页 |
| 5.2.3 粘连分离 | 第62-64页 |
| 5.2.3.1 粘连细胞核个数和中心 | 第63页 |
| 5.2.3.2 凹陷点的配对 | 第63-64页 |
| 5.2.4 基于凹陷点匹配的粘连分离算法步骤 | 第64-65页 |
| 5.2.5 实验结果及分析 | 第65-67页 |
| 5.3 本章小结 | 第67-68页 |
| 结论与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 个人简介 | 第73页 |