血细胞图像的自动分割与识别方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 引言 | 第8-12页 |
| ·选题的依据和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·细胞分割方法 | 第9-10页 |
| ·细胞识别方法 | 第10-11页 |
| ·论文各部分的主要内容 | 第11-12页 |
| 2 血细胞图像分割方法的设计 | 第12-25页 |
| ·彩色空间模型 | 第12-14页 |
| ·RGB 空间模型 | 第12-13页 |
| ·CMY 和CMYK 模型 | 第13页 |
| ·HSI 色彩空间模型 | 第13-14页 |
| ·细胞图像分割 | 第14-17页 |
| ·阈值分割 | 第15-16页 |
| ·区域分割 | 第16页 |
| ·区域生长 | 第16-17页 |
| ·细胞图象分割 | 第17页 |
| ·细胞核图像分割 | 第17-22页 |
| ·饱和度S 分量阈值和G 分量阈值 | 第17-19页 |
| ·改进的MEANSHIFT 算法 | 第19-21页 |
| ·细胞核区域的自适应阈值分割及标识 | 第21-22页 |
| ·白细胞胞浆区域分割 | 第22-25页 |
| 3 特征向量的选取 | 第25-30页 |
| ·不同白细胞的特征 | 第25-26页 |
| ·白细胞区域的特征向量 | 第26-30页 |
| ·细胞的基本特征 | 第26-28页 |
| ·细胞纹理特征 | 第28-30页 |
| 4 基于SVM 的分类器的设计与实现 | 第30-42页 |
| ·支持向量机基本原理 | 第30-36页 |
| ·线性可分情况 | 第31-33页 |
| ·线性不可分情况—软间隔优化 | 第33页 |
| ·非线性支持向量机 | 第33-36页 |
| ·核函数 | 第36页 |
| ·多类支持向量机 | 第36-39页 |
| ·基于一对多的多分类器构造算法 | 第37页 |
| ·基于一对一的多分类器构造算法 | 第37-38页 |
| ·基于决策树模式的多分类器构造算法 | 第38-39页 |
| ·基于SVM 的白细胞识别分类器的构造 | 第39-42页 |
| ·多分类器的设计 | 第39页 |
| ·两级SVM 分类器结构 | 第39-40页 |
| ·核函数的选取 | 第40-41页 |
| ·参数的选取 | 第41-42页 |
| 5 实验结果及性能分析 | 第42-54页 |
| ·算法描述与实现 | 第42-43页 |
| ·白细胞自动分割和识别方法性能评价 | 第43页 |
| ·实验图片 | 第43页 |
| ·白细胞分割结果 | 第43-46页 |
| ·白细胞识别结果 | 第46-54页 |
| 6 总结 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59页 |
