基于极限学习机算法的彩色血细胞图像自动分割
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·血细胞图像分割的研究背景和意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·自动诊断系统研究现状 | 第12-14页 |
| ·细胞图像分割技术研究现状 | 第14-16页 |
| ·论文结构安排 | 第16-18页 |
| 第二章 细胞图像分割相关理论 | 第18-36页 |
| ·常用的几种细胞分割算法介绍 | 第18-29页 |
| ·基于阈值的细胞图像分割 | 第18-19页 |
| ·基于边缘检测的细胞图像分割 | 第19-20页 |
| ·基于区域的细胞分割 | 第20-22页 |
| ·基于分水岭算法的细胞图像分割 | 第22-24页 |
| ·基于特定理论的细胞图像分割 | 第24-29页 |
| ·神经网络 | 第29-35页 |
| ·单隐藏层前馈神经网络 | 第29-32页 |
| ·极限学习机 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 血细胞图像分割自动化流程 | 第36-52页 |
| ·训练数据 | 第36-38页 |
| ·细胞图片库介绍 | 第36-37页 |
| ·细胞图片训练样本 | 第37-38页 |
| ·血细胞图像分割模型 | 第38-39页 |
| ·最大熵阈值提取细胞核 | 第39-41页 |
| ·ELM训练样本的采样 | 第41-48页 |
| ·用矩阵标记细胞核 | 第41-43页 |
| ·对细胞核区进行膨胀 | 第43-44页 |
| ·标记正负样本候选区 | 第44-45页 |
| ·设计采样策略 | 第45-48页 |
| ·ELM分类模型训练 | 第48-50页 |
| ·利用ELM分类模型分割血细胞图像 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 ELM血细胞图像分割实验 | 第52-61页 |
| ·细胞核自动提取方法实验比较 | 第52-55页 |
| ·运行时间对比 | 第52-53页 |
| ·阈值分割过分割率对比 | 第53-54页 |
| ·自动阈值分割欠分割率对比 | 第54-55页 |
| ·采样数量与运行时间分析 | 第55-56页 |
| ·ELM与SVM等分割算法对比分析 | 第56-60页 |
| ·像素点分割错误率对比 | 第57页 |
| ·符合视觉效果的三个分割评价指标对比 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 硕士研究生期间的科研成果 | 第68页 |
