基于聚类算法的红细胞形态分析与研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 显微细胞自动识别系统现状 | 第10-12页 |
| 1.2.2 聚类算法识别研究现状 | 第12页 |
| 1.3 论文成果及结构 | 第12-15页 |
| 1.3.1 论文成果 | 第12-13页 |
| 1.3.2 论文结构 | 第13页 |
| 1.3.3 论文组织结构图 | 第13-15页 |
| 第2章 红细胞建模设计与分类系统总体框架 | 第15-24页 |
| 2.1 红细胞语义模型设计 | 第15-20页 |
| 2.2 红细胞分类识别系统总体框架与关键技术 | 第20-23页 |
| 2.2.1 识别系统总体框架 | 第20-21页 |
| 2.2.2 识别系统中关键技术分析 | 第21-23页 |
| 2.3 小结 | 第23-24页 |
| 第3章 基于图割的红细胞图像分割 | 第24-34页 |
| 3.1 基于图割的图像分割原理 | 第24-26页 |
| 3.1.1 图割理论概述 | 第24-25页 |
| 3.1.2 分割能量 | 第25-26页 |
| 3.1.3 图割与能量函数最小化的关联 | 第26页 |
| 3.2 基于图割的红细胞图像分割算法设计 | 第26-29页 |
| 3.2.1 设计与构建能量函数 | 第27-28页 |
| 3.2.2 构建加权图 | 第28-29页 |
| 3.2.3 最大流/最小割求解 | 第29页 |
| 3.3 分割算法结果分析 | 第29-32页 |
| 3.4 小结 | 第32-34页 |
| 第4章 红细胞图像特征提取与分析 | 第34-43页 |
| 4.1 红细胞图像基本形状特征 | 第34-35页 |
| 4.2 红细胞图像基本纹理特征 | 第35-38页 |
| 4.2.1 基本原理 | 第36页 |
| 4.2.2 灰度共生矩阵合理化处理 | 第36-37页 |
| 4.2.3 基于弧度共生矩阵提取的纹理特征参数 | 第37-38页 |
| 4.3 基于红细胞边缘奇异点特征研究 | 第38-40页 |
| 4.4 红细胞图像特征选取 | 第40-41页 |
| 4.5 小结 | 第41-43页 |
| 第5章 基于模糊聚类的红细胞分类识别 | 第43-55页 |
| 5.1 图像聚类识别概述 | 第43-44页 |
| 5.2 模糊聚类算法的原理 | 第44-47页 |
| 5.2.1 样本数据标准化处理 | 第44页 |
| 5.2.2 构建模糊相似矩阵 | 第44-45页 |
| 5.2.3 建立模糊等价矩阵和截矩阵 | 第45-47页 |
| 5.2.4 确定最佳阈值进行类别划分 | 第47页 |
| 5.3 基于模糊聚类算法的红细胞分类及算法改进 | 第47-52页 |
| 5.3.1 红细胞样本数据标准化处理 | 第48页 |
| 5.3.2 建立模糊矩阵 | 第48-50页 |
| 5.3.3 红细胞聚类识别 | 第50页 |
| 5.3.4 基于FCM聚类算法改进 | 第50-52页 |
| 5.4 实验结果分析 | 第52-54页 |
| 5.5 小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第61页 |
