尿检中关于显微颗粒识别的预处理研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 显微细胞颗粒检测及图像处理研究现状 | 第9-10页 |
| 1.3 论文的主要内容及结构 | 第10-12页 |
| 第二章 尿液显微颗粒检测系统基础 | 第12-20页 |
| 2.1 尿液显微颗粒检测内容 | 第12-13页 |
| 2.2 尿液检测方法 | 第13-15页 |
| 2.2.1 流式细胞计数法 | 第13-14页 |
| 2.2.2 显微镜图像形态分析 | 第14页 |
| 2.2.3 空间动态坐标跟踪检测法 | 第14-15页 |
| 2.3 尿液显微颗粒检测系统架构 | 第15-16页 |
| 2.3.1 加样结构 | 第15页 |
| 2.3.2 液路系统 | 第15-16页 |
| 2.3.3 嵌入式控制系统 | 第16页 |
| 2.3.4 显微镜模块 | 第16页 |
| 2.3.5 系统软件 | 第16页 |
| 2.4 尿液显微颗粒检测流程 | 第16-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 基于区域双爬坡的清晰度跟踪算法 | 第20-38页 |
| 3.1 细胞颗粒图像获取来源 | 第20-21页 |
| 3.2 最佳清晰度评价方案选取 | 第21-29页 |
| 3.2.1 概述 | 第22页 |
| 3.2.2 图像清晰度评价原理 | 第22-23页 |
| 3.2.3 绝对中心矩函数评价方法 | 第23-24页 |
| 3.2.4 平方梯度函数评价方法 | 第24-25页 |
| 3.2.5 拉普拉斯算子评价方法 | 第25-27页 |
| 3.2.6 能量熵函数评价方法 | 第27-28页 |
| 3.2.7 比较与小结 | 第28-29页 |
| 3.3 基于区域双爬坡的清晰度曲线跟踪算法 | 第29-36页 |
| 3.3.1 曲线跟踪的意义 | 第29-30页 |
| 3.3.2 曲线跟踪算法研究 | 第30-34页 |
| 3.3.3 实验与分析 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于自适应双向的局部阈值分割算法 | 第38-60页 |
| 4.1 概述 | 第38-39页 |
| 4.2 图像分割阈值法 | 第39-49页 |
| 4.2.1 阈值法分割原理 | 第39-41页 |
| 4.2.2 迭代法 | 第41-43页 |
| 4.2.3 最大类间方差法（Otsu） | 第43-45页 |
| 4.2.4 最大熵法 | 第45-47页 |
| 4.2.5 简单统计法 | 第47-49页 |
| 4.3 基于自适应双向的局部阈值分割算法 | 第49-58页 |
| 4.3.1 最大类间方差法改进 | 第49-55页 |
| 4.3.2 最大信息熵法改进 | 第55-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 基于腐蚀的自适应图像边缘检测算法 | 第60-78页 |
| 5.1 概述 | 第60页 |
| 5.2 图像边缘检测法 | 第60-69页 |
| 5.2.1 边缘检测原理 | 第60-61页 |
| 5.2.2 模板算子法 | 第61-65页 |
| 5.2.3 Canny 算子法 | 第65-68页 |
| 5.2.4 形态学边缘检测 | 第68-69页 |
| 5.3 基于腐蚀的自适应图像边缘检测算法 | 第69-77页 |
| 5.3.1 形态学处理 | 第69-75页 |
| 5.3.2 改进与仿真 | 第75-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第83-84页 |
| 致谢 | 第84页 |
