多光谱显微细胞图像的分割技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 引言 | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·概述 | 第11-13页 |
| ·白细胞检验 | 第11-12页 |
| ·细胞图像分割概述 | 第12页 |
| ·白细胞的分类及特点 | 第12-13页 |
| ·目前国内外研究现状 | 第13-16页 |
| ·细胞图像分割方法概述 | 第13-14页 |
| ·多光谱图像分割方法概述 | 第14-16页 |
| ·系统概述 | 第16-17页 |
| ·本文主要研究的内容 | 第17页 |
| ·本文图像分割的流程 | 第17-19页 |
| 第二章 显微细胞图像的预处理 | 第19-25页 |
| ·显微细胞图像的多光谱特征 | 第19-20页 |
| ·图像的预处理 | 第20-24页 |
| ·从RGB到HSI彩色空间的映射 | 第21-22页 |
| ·白细胞图像在HSI彩色空间中的特点及预处理 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第三章 基于径向基神经网络的分类算法 | 第25-38页 |
| ·神经网络理论 | 第25-34页 |
| ·神经网络的发展与现状 | 第25-26页 |
| ·神经网络的基本概念 | 第26-28页 |
| ·径向基神经网络 | 第28-34页 |
| ·基于RBF神经网络分类器的实现 | 第34-36页 |
| ·网络结构的设计 | 第34-35页 |
| ·分类结果 | 第35-36页 |
| ·小结 | 第36-38页 |
| 第四章 基于支持向量机的分类算法 | 第38-53页 |
| ·机器学习与统计学习理论 | 第38-43页 |
| ·机器学习问题的表示 | 第39-40页 |
| ·经验风险最小化 | 第40-41页 |
| ·VC维 | 第41页 |
| ·复杂性与推广性 | 第41-42页 |
| ·结构风险最小化 | 第42-43页 |
| ·支持向量机 | 第43-48页 |
| ·最优分类面 | 第43-45页 |
| ·支持向量机 | 第45-47页 |
| ·核函数 | 第47-48页 |
| ·基于SVM分类器的实现 | 第48-51页 |
| ·多类识别方案 | 第48-50页 |
| ·图像分割及实验结果 | 第50-51页 |
| ·小结 | 第51-53页 |
| 第五章 后处理及实验结果 | 第53-63页 |
| ·区域生长 | 第53-56页 |
| ·原理和步骤 | 第53-54页 |
| ·生长准则和过程 | 第54-56页 |
| ·后处理 | 第56-57页 |
| ·实验结果与比较 | 第57-59页 |
| ·实验结果 | 第57-58页 |
| ·结果比较 | 第58-59页 |
| ·SVM与RBFNN的比较 | 第59-62页 |
| ·SVM与传统方法对比研究 | 第59-60页 |
| ·SVM与RBFNN的对比分析 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-66页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-66页 |
| 附录: 分割图示 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74页 |
