摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第10-14页 |
1.1 课题来源 | 第10页 |
1.2 课题背景与社会意义 | 第10-11页 |
1.3 实验标准数据集 | 第11页 |
1.4 论文的研究内容与组织结构 | 第11-14页 |
第2章 宫颈细胞图像病理学基础知识 | 第14-19页 |
2.1 宫颈细胞的基础知识 | 第14-19页 |
2.1.1 宫颈细胞结构 | 第14页 |
2.1.2 宫颈病变的分类 | 第14-15页 |
2.1.3 宫颈细胞学检验技术与规程 | 第15页 |
2.1.4 宫颈细胞图像识别研究现状综述 | 第15-16页 |
2.1.5 宫颈细胞图像分割研究现状 | 第16-18页 |
2.1.6 宫颈细胞图像特征提取分类研究现状 | 第18页 |
2.1.7 宫颈细胞图像分类研究现状 | 第18-19页 |
第3章 基于改进CV模型的单个宫颈细胞图像分割 | 第19-37页 |
3.1 引言 | 第19页 |
3.2 单个宫颈细胞图像的预处理 | 第19-22页 |
3.2.1 图像灰度化 | 第19-20页 |
3.2.2 基于三维块匹配(BM3D)方法去噪 | 第20-22页 |
3.3 单个宫颈细胞图像初始轮廓提取 | 第22-25页 |
3.3.1 基于Otsu算法的分割 | 第22-23页 |
3.3.2 自适应双阈值分割算法 | 第23-25页 |
3.4 基于改进的活动轮廓模型的单个宫颈细胞图像分割 | 第25-36页 |
3.4.1 引言 | 第25页 |
3.4.2 背景理论 | 第25-29页 |
3.4.3 传统的CV模型 | 第29-31页 |
3.4.4 基于改进CV模型的单个宫颈细胞图像分割 | 第31-33页 |
3.4.5 数值仿真实验与结果分析 | 第33-36页 |
3.5 本章小结 | 第36-37页 |
第4章 宫颈细胞图像特征提取方法研究 | 第37-48页 |
4.1 引言 | 第37页 |
4.2 宫颈细胞的形态特征 | 第37-40页 |
4.3 宫颈细胞色度特征 | 第40-41页 |
4.4 宫颈细胞的光密度特征 | 第41-42页 |
4.5 宫颈细胞的纹理特征 | 第42-45页 |
4.6 宫颈细胞的特征选择 | 第45-47页 |
4.6.1 特征选择方法 | 第45页 |
4.6.2 遗传算法 | 第45-47页 |
4.7 本章小结 | 第47-48页 |
第5章 基于单个分类器的宫颈细胞分类 | 第48-56页 |
5.1 基于支持向量机(SVM)的宫颈细胞分类算法 | 第48-50页 |
5.1.1 支持向量机(SVM)的基本原理 | 第48-50页 |
5.1.2 基于SVM分类器的设计 | 第50页 |
5.2 基于KNN的宫颈细胞分类算法 | 第50-52页 |
5.2.1 KNN算法的基本原理 | 第50-51页 |
5.2.2 基于KNN分类器的设计 | 第51-52页 |
5.3 基于人工神经网络(ANN)的宫颈细胞分类算法 | 第52-53页 |
5.3.1 ANN-BP算法的基本原理 | 第52-53页 |
5.3.2 基于ANN-BP分类器的设计 | 第53页 |
5.4 实验与结果分析 | 第53-54页 |
5.5 本章小结 | 第54-56页 |
第6章 基于模糊积分多分类器融合的宫颈细胞分类识别 | 第56-68页 |
6.1 模糊测度与模糊积分 | 第56-59页 |
6.1.1 模糊测度 | 第56-57页 |
6.1.2 模糊积分 | 第57-59页 |
6.2 基于模糊积分的多分类器融合模型 | 第59-61页 |
6.2.1 融合系统中的不确定性分析 | 第60-61页 |
6.3 模糊测度的确定 | 第61-63页 |
6.3.1 启发式定义模糊测度方法 | 第61页 |
6.3.2 优化方法 | 第61-63页 |
6.3.3 随机搜索方法 | 第63页 |
6.4 捕食模型优化模糊测度算法研究 | 第63-64页 |
6.4.1 捕食与被捕食系统微分方程模型与差分方程模型 | 第63-64页 |
6.5 基于捕食模型优化模糊测度 | 第64-66页 |
6.5.1 捕食与被捕食算法优化模糊测度模型建立 | 第64-66页 |
6.6 数值仿真实验与结果分析 | 第66-67页 |
6.7 本章小结 | 第67-68页 |
第7章 结论与展望 | 第68-69页 |
参考文献 | 第69-74页 |
在学期间取得的科研成果 | 第74-75页 |
致谢 | 第75-76页 |