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

高光谱显微图像的特征提取与分类方法及其应用研究

摘要第1-8页
ABSTRACT第8-13页
第一章 绪论第13-27页
   ·研究背景第13-19页
     ·技术介绍第13-16页
     ·国内外研究状况第16-19页
   ·光谱图像的特征提取第19-21页
     ·方法介绍第19-20页
     ·国内外研究状况第20-21页
   ·血细胞图像的分类研究第21-23页
     ·方法介绍第21-22页
     ·国内外研究状况第22-23页
   ·论文的研究思路与内容安排第23-27页
第二章 高光谱成像显微系统第27-37页
   ·前言第27-29页
   ·系统原理第29-32页
     ·基本原理第29-30页
     ·分光系统的设计第30-31页
     ·载物台的设计第31页
     ·数据采集系统的设计第31-32页
   ·系统定标第32-33页
     ·系统光校第32-33页
     ·光谱定标第33页
   ·系统技术指标第33-34页
   ·系统性能分析第34-35页
     ·分辨率分析第34页
     ·光谱测量误差分析第34-35页
   ·系统的不足及改进方案第35-36页
   ·小结第36-37页
第三章 高光谱医学显微图像的预处理第37-49页
   ·前言第37-39页
   ·数据格式及特点第39-41页
     ·数据格式第39-40页
     ·数据模型第40页
     ·数据特点第40-41页
   ·图像的预处理第41-47页
     ·斑点噪声去除第41-43页
     ·条带噪声去除第43-45页
     ·系统辐射校正第45-47页
   ·小结第47-49页
第四章 高光谱医学显微图像的特征提取研究第49-73页
   ·前言第49-51页
   ·图像的统计分析第51-55页
   ·遗传算法第55-58页
     ·算法简介第55-56页
     ·遗传算法与其他优化方法的比较第56-58页
   ·基于遗传算法的特征提取第58-62页
     ·简单遗传算法第58-59页
     ·自适应的遗传算法第59-62页
   ·基于多目标遗传算法的特征提取第62-69页
     ·多目标优化的基本概念第62-63页
     ·传统的多目标优化方法第63-64页
     ·几种常见的多目标遗传算法第64-66页
     ·基于NSGA的高光谱特征提取第66-69页
   ·实验结果第69-72页
   ·小结第72-73页
第五章 高光谱血细胞图像的分类研究第73-95页
   ·前言第73-78页
     ·研究背景和意义第73-74页
     ·血细胞分析仪的应用状况第74-76页
     ·分析方法第76-77页
     ·本章研究内容第77-78页
   ·实验材料与方法第78-80页
     ·实验背景第78页
     ·血细胞介绍第78-80页
   ·血细胞的特征提取第80-84页
     ·光谱特征提取第80-84页
     ·图像特征提取第84页
   ·细胞分类第84-91页
     ·人工神经网络第85-86页
     ·遗传算法对神经网络的优化第86页
     ·分类器的设计第86-90页
     ·分类结果第90-91页
   ·图像分割和细胞计数第91-94页
     ·图像分割第91-92页
     ·细胞计数第92-94页
   ·小结第94-95页
第六章 基于高光谱显微技术的药物疗效研究第95-107页
   ·前言第95-97页
   ·实验材料与方法第97-100页
     ·实验介绍第97-98页
     ·图像采集第98页
     ·视网膜结构第98-100页
   ·EPO疗效的高光谱检测第100-106页
     ·定性分析第100-102页
     ·定量分析第102-106页
   ·小结第106-107页
第七章 总结与展望第107-110页
   ·工作总结第107-108页
   ·研究展望第108-110页
附录第110-112页
参考文献第112-121页
攻读博士学位期间发表和完成的论文第121-122页
致谢第122页

论文共122页,点击 下载论文
上一篇:基于几何变分原理的图像处理方法
下一篇:基于立体显示的嵌入式身份识别系统研究与设计