| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 细胞多维信息测量手段与方法 | 第13-17页 |
| 1.2.1 光学显微镜测量方法 | 第13页 |
| 1.2.2 AFM微纳米操作机器人系统 | 第13-15页 |
| 1.2.3 计算机视觉方法 | 第15-17页 |
| 1.3 计算机视觉在细胞多维信息测量应用中存在的问题 | 第17-19页 |
| 1.3.1 细胞几何形态自动化识别与测量 | 第18页 |
| 1.3.2 AFM微纳操作机器人场景估计与误差校正 | 第18-19页 |
| 1.4 研究目标与内容 | 第19-21页 |
| 1.4.1 细胞群体几何特征自动化识别与测量系统 | 第19-20页 |
| 1.4.2 AFM下针逼近误差校正的计算机视觉技术 | 第20-21页 |
| 1.5 本文结构安排 | 第21-23页 |
| 第2章 细胞几何特征自动化识别与测量系统 | 第23-32页 |
| 2.1 引言 | 第23页 |
| 2.2 系统介绍 | 第23-25页 |
| 2.3 细胞图像识别 | 第25-27页 |
| 2.3.1 两种图像分割策略 | 第25页 |
| 2.3.2 细胞轮廓准确识别算法 | 第25-27页 |
| 2.4 细胞生物几何特征的提取 | 第27-29页 |
| 2.5 细胞几何特性生物学分析 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 单目微纳米操作机器人系统景深估计方法 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 2D图像景深深度估计方法 | 第32-34页 |
| 3.2.1 体积恢复方法 | 第32-33页 |
| 3.2.2 立体光学深度恢复 | 第33页 |
| 3.2.3 聚焦深度恢复 | 第33页 |
| 3.2.4 离焦深度恢复 | 第33-34页 |
| 3.3 点光源成像模型 | 第34-36页 |
| 3.4 显微镜图像边缘提取 | 第36页 |
| 3.5 边缘稀疏深度估计方法 | 第36-40页 |
| 3.6 数值算例 | 第40-43页 |
| 3.7 结论 | 第43-44页 |
| 第4章 基于视觉匹配技术的微纳操作机器人操作误差识别与矫正方法 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 特征提取 | 第44-48页 |
| 4.2.1 控制点特征提取 | 第46-48页 |
| 4.3 基于图像边缘特征和控制点的匹配方法 | 第48-50页 |
| 4.3.1 图像匹配 | 第49-50页 |
| 4.4 实验验证 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-57页 |
| 总结与创新点 | 第54-55页 |
| 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-64页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第64-65页 |
| 致谢 | 第65-67页 |
