| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 前言 | 第11-15页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 课题的主要研究内容 | 第13-14页 |
| 1.4 论文的组织 | 第14-15页 |
| 第二章 血液细胞图像的获取与预处理 | 第15-20页 |
| 2.1 血液分析仪的介绍 | 第15-17页 |
| 2.2 图像获取 | 第17页 |
| 2.3 图像的预处理 | 第17-19页 |
| 2.4 小结 | 第19-20页 |
| 第三章 血液细胞图像分割算法的研究分析 | 第20-40页 |
| 3.1 基于阈值的分割算法 | 第20-24页 |
| 3.1.1 图像阈值的定义 | 第20-21页 |
| 3.1.2 阈值分割算法 | 第21-23页 |
| 3.1.2.1 由直方图灰度分布选择阈值 | 第21页 |
| 3.1.2.2 局部阈值或动态阈值 | 第21-22页 |
| 3.1.2.3 迭代法选 | 第22页 |
| 3.1.2.4 大津法选择阈值 | 第22-23页 |
| 3.1.2.5 最大熵法选择阈值 | 第23页 |
| 3.1.3 阈值分割算法的性能分析 | 第23-24页 |
| 3.2 基于边缘检测的分割算法 | 第24-28页 |
| 3.2.1 图像边缘 | 第24-25页 |
| 3.2.2 常见的边缘检测算法 | 第25-27页 |
| 3.2.2.1 Roberts算子 | 第25-26页 |
| 3.2.2.2 Sobel算子 | 第26-27页 |
| 3.2.2.3 Prewitt算子 | 第27页 |
| 3.2.3 相关算子在细胞图像分割中性能比较 | 第27-28页 |
| 3.3 基于区域的分割算法 | 第28-33页 |
| 3.3.1 区域生长算法 | 第28-31页 |
| 3.3.2 区域分裂合并法 | 第31-32页 |
| 3.3.3 两种区域算法的性能比较 | 第32-33页 |
| 3.4 特定理论的分割算法 | 第33-38页 |
| 3.4.1 基于数学形态学分割算法 | 第33-35页 |
| 3.4.2 基于小波分析和变换的方法 | 第35-36页 |
| 3.4.3 分水岭(Watershed)法 | 第36-38页 |
| 3.5 小结 | 第38-40页 |
| 第四章 血液细胞图像的特征提取与分类算法的选择 | 第40-60页 |
| 4.1 血液细胞图像个体特征分析 | 第40-49页 |
| 4.1.1 统计特征 | 第41-42页 |
| 4.1.1.1 幅度特征 | 第41页 |
| 4.1.1.2 直方图特征 | 第41-42页 |
| 4.1.2 颜色特征 | 第42-44页 |
| 4.1.2.1 颜色直方图 | 第42-43页 |
| 4.1.2.2 颜色矩 | 第43-44页 |
| 4.1.2.3 颜色集 | 第44页 |
| 4.1.3 纹理特征 | 第44-46页 |
| 4.1.4 形状特征 | 第46-49页 |
| 4.1.4.1 周长 | 第46页 |
| 4.1.4.2 弧弦比 | 第46-47页 |
| 4.1.4.3 面积 | 第47页 |
| 4.1.4.4 区域矩方法 | 第47-49页 |
| 4.2 血液细胞图像间特征特征分析 | 第49-51页 |
| 4.3 分类器的选择 | 第51-59页 |
| 4.3.1 SVM支持向量机 | 第52-53页 |
| 4.3.1.1 支持向量机的定义 | 第52页 |
| 4.3.1.2 血液细胞图像的支持向量机算法 | 第52-53页 |
| 4.3.1.3 识别性能分析 | 第53页 |
| 4.3.2 神经网络分类器 | 第53-56页 |
| 4.3.2.1 神经网络分类器的定义 | 第54页 |
| 4.3.2.2 血液细胞图像的神经网络分类器原理 | 第54-56页 |
| 4.3.2.3 识别分类性能 | 第56页 |
| 4.3.3 模糊模式识别 | 第56-59页 |
| 4.3.3.1 模糊模式识别的定义 | 第56页 |
| 4.3.3.2 血液细胞图像的模糊模式识别分类器原理 | 第56-59页 |
| 4.3.3.3 识别分类性能 | 第59页 |
| 4.4 血液细胞特征选择与分类器选择 | 第59页 |
| 4.5 小结 | 第59-60页 |
| 第五章 基于接触式成像的血液细胞分类计数的实现 | 第60-72页 |
| 5.1 接触式图像的获取 | 第60-61页 |
| 5.2 预处理与分割算法 | 第61-65页 |
| 5.2.1 预处理过程 | 第61-62页 |
| 5.2.1.1 非均匀照明的处理 | 第61-62页 |
| 5.2.1.2 中值滤波的处理 | 第62页 |
| 5.2.2 自适应阈值分割算法 | 第62-63页 |
| 5.2.3 轮廓提取与单一细胞分离 | 第63-65页 |
| 5.3 分类与细胞计数的实现 | 第65-70页 |
| 5.3.1 ELM算法原理 | 第65-67页 |
| 5.3.2 血液细胞图像内插处理 | 第67-68页 |
| 5.3.3 血液细胞图像的SSIM特征 | 第68-69页 |
| 5.3.4 血液细胞的分类与计数 | 第69-70页 |
| 5.4 对分类计数算法的性能分析 | 第70-71页 |
| 5.5 小结 | 第71-72页 |
| 第六章 全文总结与展望 | 第72-73页 |
| 6.1 全文总结 | 第72页 |
| 6.2 后续工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间取得的成果 | 第77-78页 |