| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 污水微生物图像处理的关键问题分析 | 第13页 |
| 1.4 论文研究内容与结构安排 | 第13-15页 |
| 第二章 基于码本的微生物自动检测 | 第15-36页 |
| 2.1 引言 | 第15页 |
| 2.2 经典codebook算法 | 第15-18页 |
| 2.2.1 codebook算法原理 | 第15-16页 |
| 2.2.2 经典codebook算法分析 | 第16-18页 |
| 2.3 改进的codebook算法 | 第18-27页 |
| 2.3.1 颜色空间 | 第18-19页 |
| 2.3.2 改进的纹理描述算子 | 第19-22页 |
| 2.3.3 改进的码本模型 | 第22-25页 |
| 2.3.4 目标检测和背景模型更新 | 第25-27页 |
| 2.4 实验与分析 | 第27-35页 |
| 2.4.1 实验环境与样本 | 第27页 |
| 2.4.2 量化指标 | 第27页 |
| 2.4.3 算法有效性验证 | 第27-29页 |
| 2.4.4 实验结果对比与分析 | 第29-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于 3D自组织映射神经网络的微生物检测 | 第36-55页 |
| 3.1 引言 | 第36页 |
| 3.2 SOBS算法及其分析 | 第36-39页 |
| 3.2.1 SOBS算法 | 第36-38页 |
| 3.2.2 SOBS算法分析 | 第38-39页 |
| 3.3 基于改进 3D-SOBS背景模型的运动检测 | 第39-45页 |
| 3.3.1 神经网络模型结构设计 | 第40-41页 |
| 3.3.2 神经网络的初始化 | 第41页 |
| 3.3.3 背景更新策略 | 第41-42页 |
| 3.3.4 前景预测机制 | 第42-43页 |
| 3.3.5 运动目标提取 | 第43-45页 |
| 3.4 实验与分析 | 第45-53页 |
| 3.4.1 实验环境和参数 | 第45页 |
| 3.4.2 实验结果对比 | 第45-52页 |
| 3.4.3 量化指标对比 | 第52-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于边缘连接的微生物轮廓提取 | 第55-68页 |
| 4.1 引言 | 第55页 |
| 4.2 边缘检测算法 | 第55-57页 |
| 4.3 基于边缘连接的微生物轮廓提取 | 第57-63页 |
| 4.3.1 图像滤波 | 第58页 |
| 4.3.2 梯度方向和 | 第58-60页 |
| 4.3.3 边缘检测 | 第60-61页 |
| 4.3.4 边缘连接 | 第61-63页 |
| 4.3.5 轮廓提取 | 第63页 |
| 4.4 实验结果对比 | 第63-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 基于多层自组织映射神经网络的微生物轮廓提取 | 第68-76页 |
| 5.1 引言 | 第68页 |
| 5.2 自组织映射神经网络 | 第68-70页 |
| 5.3 多层自组织映射神经网络 | 第70-73页 |
| 5.3.1 神经网络结构 | 第70-71页 |
| 5.3.2 网络学习算法 | 第71-72页 |
| 5.3.3 基于神经网络的轮廓提取 | 第72-73页 |
| 5.4 实验结果对比 | 第73-74页 |
| 5.5 本章小结 | 第74-76页 |
| 第六章 总结和展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 附录一 插图清单 | 第84-86页 |
| 附录二 插表清单 | 第86-87页 |
| 在学研究成果 | 第87-88页 |
| 致谢 | 第88页 |