首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于无透镜全息成像的淡水藻类检测技术研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-15页
    1.1 研究背景和意义第9-11页
    1.2 无透镜全息成像装置的研究现状第11-12页
    1.3 超分辨率重建方法的介绍第12-13页
    1.4 本文的研究目的和内容第13-15页
第二章 基于无透镜全息成像的淡水藻类成像装置第15-26页
    2.1 无透镜全息成像的原理第16-19页
    2.2 无透镜全息成像装置的设计及其功能实现第19-25页
        2.2.1 设计内容第19-20页
        2.2.2 预期目标第20页
        2.2.3 总体设计第20-22页
        2.2.4 实际装置及其功能实现第22-25页
    2.3 本章小结第25-26页
第三章 基于全息图像的淡水藻类粗分类与计数算法第26-42页
    3.1 总体算法设计及其目标第26-27页
    3.2 预处理第27-28页
        3.2.1 Savitzky-Golay平滑滤波算法第27-28页
    3.3 基于压缩感知理论的超分辨率重建第28-31页
        3.3.1 压缩感知理论第28-31页
        3.3.2 两步迭代收缩算法第31页
    3.4 全息再现算法及其相关算法第31-36页
        3.4.1 角谱全息再现算法第31-32页
        3.4.2 自动对焦算法第32-34页
        3.4.3 孪生像的迭代消除算法第34-36页
    3.5 藻类细胞粗分类和计数第36-40页
        3.5.1 基于形状特征的标记分类和计数算法第36-37页
        3.5.2 基于归一化二维互相关匹配算法的计数方法第37-40页
        3.5.3 两种方法对比第40页
    3.6 本章小结第40-42页
第四章 系统实现及实验结果分析第42-50页
    4.1 前期拍摄第42-43页
    4.2 后期图像处理第43-46页
        4.2.1 预处理第43页
        4.2.2 细胞全息图像超分辨率重建第43-44页
        4.2.3 全息再现第44-46页
    4.3 最终粗分类结果分析对比第46-49页
        4.3.1 基于形状特征的粗分类与计数方法第46-47页
        4.3.2 基于归一化互相关的粗分类与计数方法第47-49页
        4.3.3 两种方法对比第49页
    4.4 本文小结第49-50页
第五章 总结与展望第50-52页
    5.1 论文的主要研究内容及成果第50页
    5.2 拟进一步开展的工作第50-52页
参考文献第52-55页
致谢第55-56页

论文共56页,点击 下载论文
上一篇:综合消肿疗法治疗妇科恶性肿瘤术后下肢淋巴水肿的临床疗效观察
下一篇:乳腺上皮粘蛋白检测乳腺癌患者外周血微转移的meta分析及其与中医证型的关系研究