基于安卓终端的医用图像信息采集系统的研究
摘要 | 第4-5页 |
Abstract | 第5页 |
专用术语注释表 | 第8-9页 |
第一章 绪论 | 第9-15页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 智慧医疗发展现状 | 第10页 |
1.2.2 安卓发展现状 | 第10-11页 |
1.2.3 图像识别技术研究现状 | 第11-12页 |
1.3 本文主要研究内容及结构安排 | 第12-15页 |
1.3.1 本文主要研究内容 | 第12-13页 |
1.3.2 本文结构安排 | 第13-15页 |
第二章 图像识别问题理论分析 | 第15-26页 |
2.1 图像识别系统 | 第15-16页 |
2.2 BP神经网络 | 第16-22页 |
2.2.1 人工神经网络 | 第16-18页 |
2.2.2 BP神经网络模型及应用 | 第18-19页 |
2.2.3 BP神经网络原理 | 第19-21页 |
2.2.4 BP神经网络的改进 | 第21-22页 |
2.3 图像预处理技术 | 第22-25页 |
2.3.1 图像灰度化 | 第22-23页 |
2.3.2 图像二值化 | 第23-24页 |
2.3.3 图像形态学处理 | 第24页 |
2.3.4 图像倾斜矫正 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
第三章 医用信息采集系统搭建 | 第26-36页 |
3.1 体温生理信息采集 | 第26-30页 |
3.1.1 TMP112传感器 | 第26-27页 |
3.1.2 接口电路设计 | 第27页 |
3.1.3 软件设计 | 第27-30页 |
3.2 液晶模块设计 | 第30-32页 |
3.2.1 液晶显示器介绍 | 第30页 |
3.2.2 液晶驱动模块功能 | 第30-32页 |
3.3 整体硬件设计 | 第32-34页 |
3.3.1 单片机设计 | 第32-33页 |
3.3.2 传感器模块设计 | 第33页 |
3.3.3 液晶显示模块设计 | 第33-34页 |
3.4 其他生理信息采集 | 第34-35页 |
3.5 本章小结 | 第35-36页 |
第四章 基于安卓终端的图像识别实现 | 第36-55页 |
4.1 安卓系统开发平台 | 第36-38页 |
4.1.1 安卓系统架构 | 第36-37页 |
4.1.2 开发环境配置 | 第37-38页 |
4.2 安卓客户端设计相关技术 | 第38-41页 |
4.2.1 安卓摄像功能 | 第38页 |
4.2.2 安卓SQLite数据库存储 | 第38-39页 |
4.2.3 JNI原理及应用 | 第39-40页 |
4.2.4 计算机视觉库 | 第40-41页 |
4.3 液晶屏图像识别的实现 | 第41-47页 |
4.3.1 图像预处理 | 第41-43页 |
4.3.2 字符分割及归一化 | 第43页 |
4.3.3 图像特征提取 | 第43-44页 |
4.3.4 训练改进的神经网络 | 第44-47页 |
4.4 主要功能模块设计 | 第47-53页 |
4.4.1 客户端功能分析及开发界面分析 | 第47-50页 |
4.4.2 用户个人信息模块设计 | 第50-51页 |
4.4.3 数据采集模块 | 第51-52页 |
4.4.4 数据存储模块 | 第52-53页 |
4.5 本章小结 | 第53-55页 |
第五章 基于深度学习的图像识别研究 | 第55-68页 |
5.1 常用深度学习网络 | 第55页 |
5.2 卷积神经网络 | 第55-60页 |
5.2.1 卷积神经网络结构 | 第56-57页 |
5.2.2 卷积神经网络特点 | 第57-60页 |
5.3 卷积神经网络实现手写数字识别 | 第60-63页 |
5.3.1 MNIST数据库 | 第60页 |
5.3.2 卷积神经网络实现手写数字识别 | 第60-62页 |
5.3.3 本节实验结果 | 第62-63页 |
5.4 基于卷积神经网络的液晶屏七段码识别 | 第63-64页 |
5.4.1 液晶屏数字图片 | 第63页 |
5.4.2 卷积神经网络实现液晶屏数字图像的识别 | 第63-64页 |
5.4.3 本节实验结果 | 第64页 |
5.5 权值减少 | 第64-67页 |
5.5.1 参数减少原理 | 第64-66页 |
5.5.2 实验结果 | 第66-67页 |
5.6 本章小结 | 第67-68页 |
第六章 总结与展望 | 第68-70页 |
参考文献 | 第70-73页 |
附录1 攻读硕士学位期间撰写的论文 | 第73-74页 |
附录2 攻读硕士学位期间申请的专利 | 第74-75页 |
致谢 | 第75页 |