| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究背景及其意义 | 第8-9页 |
| 1.2 宫颈细胞数据集简介 | 第9-11页 |
| 1.3 宫颈细胞图像分类识别研究现状 | 第11-12页 |
| 1.4 深度学习在图像识别领域研究现状 | 第12-13页 |
| 1.5 论文研究内容以及结构 | 第13-15页 |
| 第二章 宫颈细胞图像去噪 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 理论与方法 | 第15-20页 |
| 2.2.1 双边滤波去噪 | 第15-16页 |
| 2.2.2 NLMF去噪 | 第16页 |
| 2.2.3 基于块组的非局部自相似性先验学习图像去噪 | 第16-20页 |
| 2.3 仿真实验与分析 | 第20-23页 |
| 2.3.1 去噪效果评价 | 第20-21页 |
| 2.3.2 仿真实验结果分析 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 宫颈细胞图像增强 | 第24-31页 |
| 3.1 引言 | 第24页 |
| 3.2 理论与方法 | 第24-27页 |
| 3.2.1 直方图均衡 | 第24-25页 |
| 3.2.2 BHEASF图像增强 | 第25-27页 |
| 3.3 仿真实验分析 | 第27-29页 |
| 3.3.1 图像增强评价标准 | 第27-28页 |
| 3.3.2 仿真实验结果分析 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 第4章 宫颈细胞图像特征提取及其分类识别 | 第31-42页 |
| 4.1 引言 | 第31页 |
| 4.2 基于联合特征PCANet的特征提取及分类识别 | 第31-37页 |
| 4.2.1 基于联合特征PCANet的特征提取 | 第31-34页 |
| 4.2.2 分类器 | 第34-37页 |
| 4.3 仿真实验分析 | 第37-41页 |
| 4.3.1 图像库整理 | 第37-38页 |
| 4.3.2 特征提取及分类识别 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于MATLAB GUI的宫颈细胞图像分类识别系统设计 | 第42-48页 |
| 5.1 引言 | 第42-43页 |
| 5.2 系统的总体结构以及设计原则 | 第43页 |
| 5.2.1 系统的总体结构 | 第43页 |
| 5.2.2 系统的设计原则 | 第43页 |
| 5.3 GUI设计步骤 | 第43-44页 |
| 5.4 系统主界面及各模块的设计 | 第44-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间参与的项目及取得的研究成果 | 第54-55页 |
| 致谢 | 第55-56页 |
