白带显微图像中白细胞自动识别算法技术的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究内容 | 第13-15页 |
| 第二章 白带显微图像的采集与预处理 | 第15-22页 |
| 2.1 白带显微图像的采集 | 第15-17页 |
| 2.2 白带显微图像的预处理 | 第17-21页 |
| 2.2.1 白带显微图像的分割 | 第17-20页 |
| 2.2.2 制作正负样本库 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 手工设计特征和样本分类 | 第22-32页 |
| 3.1 形态学特征 | 第22-23页 |
| 3.2 纹理特征 | 第23-30页 |
| 3.2.1 纹理特征分类 | 第23-24页 |
| 3.2.2 统计型纹理特征 | 第24-26页 |
| 3.2.3 LBP特征 | 第26-28页 |
| 3.2.4 Gabor特征 | 第28-30页 |
| 3.3 特征选择及样本分类 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 卷积神经网络 | 第32-48页 |
| 4.1 卷积神经网络简述 | 第32-35页 |
| 4.2 适用于卷积神经网络的反向传播算法 | 第35-37页 |
| 4.3 卷积神经网络的一些相关问题 | 第37-45页 |
| 4.3.1 层级结构 | 第37-38页 |
| 4.3.2 参数初始化 | 第38-39页 |
| 4.3.3 激活函数 | 第39-42页 |
| 4.3.4 梯度下降算法 | 第42-44页 |
| 4.3.5 损失函数 | 第44-45页 |
| 4.4 本文采用的卷积神经网络模型 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 白细胞自动识别的算法设计与实验结果 | 第48-60页 |
| 5.1 白细胞自动识别的算法设计 | 第48-54页 |
| 5.1.1 基于手工设计特征和分类的白细胞识别 | 第49-52页 |
| 5.1.2 基于卷积神经网络的白细胞识别 | 第52-53页 |
| 5.1.3 基于组合模型的白细胞识别 | 第53-54页 |
| 5.2 图像处理中算法的加速 | 第54-56页 |
| 5.3 白细胞自动识别的实验结果及分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 论文总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67页 |
