| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-11页 |
| 1.2 研究现状及存在的问题 | 第11-14页 |
| 1.3 本文组织结构 | 第14-15页 |
| 第2章 数据集、预处理及分类器设计 | 第15-24页 |
| 2.1 数据集与评价准则 | 第15-19页 |
| 2.1.1 ICPR2012、ICPR2014数据集 | 第15-17页 |
| 2.1.2 ICIP2013数据集 | 第17-19页 |
| 2.1.3 评价准则 | 第19页 |
| 2.2 图像预处理 | 第19-20页 |
| 2.3 分类器选择 | 第20-23页 |
| 2.3.1 支持向量机 | 第20-21页 |
| 2.3.2 极限学习机 | 第21-22页 |
| 2.3.3 K最近邻算法 | 第22页 |
| 2.3.4 分类器测试实验 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 常规纹理特征和形状特征在HEp-2 分类中的应用 | 第24-31页 |
| 3.1 LBP特征提取 | 第24-26页 |
| 3.2 CLBP特征提取 | 第26-27页 |
| 3.3 基于阈值分割的形态学特征 | 第27-28页 |
| 3.4 结合纹理与形状特征的多特征组合 | 第28-29页 |
| 3.5 小结 | 第29-31页 |
| 第4章 融合纹理和形状特征的HEp-2 染色模式分类 | 第31-51页 |
| 4.1 CLTP特征提取原理 | 第31-35页 |
| 4.1.1 基于自适应阈值的LTP模式 | 第31-32页 |
| 4.1.2 旋转不变统一LTP | 第32-33页 |
| 4.1.3 完备局部三值模式CLTP | 第33-35页 |
| 4.1.4 降维处理 | 第35页 |
| 4.2 基于ROOTSIFT特征的IFV编码 | 第35-38页 |
| 4.2.1 Rootsift特征提取 | 第35-36页 |
| 4.2.2 训练高斯混合模型（GMM） | 第36-38页 |
| 4.2.3 生成IFV特征 | 第38页 |
| 4.3 试验结果与分析 | 第38-49页 |
| 4.3.1 预处理与特征模式选择 | 第38-40页 |
| 4.3.2 融合特征在细胞集的测试与IFV参数选择 | 第40-43页 |
| 4.3.3 不同方法在ICPR数据集上的细胞级测试结果比较 | 第43-46页 |
| 4.3.4 不同方法在ICPR数据集上的图像级测试结果比较 | 第46-48页 |
| 4.3.5 不同方法在ICIP2013数据集上的测试结果 | 第48-49页 |
| 4.4 小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 在学期间发表的学术论文与研究成果 | 第57页 |
