基于深度卷积神经网络的图像显著性检测与分割算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-16页 |
| 1.1.1 显著性检测 | 第13页 |
| 1.1.2 医学图像白细胞分割 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.2.1 显著性检测 | 第16页 |
| 1.2.2 医学图像白细胞分割 | 第16-17页 |
| 1.3 本文内容和结构 | 第17-19页 |
| 2 显著性检测经典算法 | 第19-26页 |
| 2.1 引言 | 第19页 |
| 2.2 手工数据驱动的显著性提取 | 第19-20页 |
| 2.3 语义数据驱动的显著性提取 | 第20-24页 |
| 2.4 任务驱动的显著性提取 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 白细胞经典分割算法 | 第26-35页 |
| 3.1 引言 | 第26页 |
| 3.2 基于阈值的分割算法 | 第26-28页 |
| 3.3 基于边缘检测的分割算法 | 第28-30页 |
| 3.4 基于区域的分割算法 | 第30-32页 |
| 3.5 基于分类思想的分割算法 | 第32页 |
| 3.6 基于活动轮廓模型的算法 | 第32-33页 |
| 3.7 其他混合分割算法 | 第33页 |
| 3.8 本章小结 | 第33-35页 |
| 4 基于深度卷积网络特征图选取的显著性检测算法 | 第35-48页 |
| 4.1 研究动机和本章方法概要 | 第35-36页 |
| 4.2 深度CNN特征分析 | 第36-38页 |
| 4.3 基于SCNN网络的显著性检测 | 第38-42页 |
| 4.3.1 特征图的选取 | 第38-40页 |
| 4.3.2 基于选取特征图的显著性检测 | 第40-41页 |
| 4.3.3 算法总体流程 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-45页 |
| 4.4.1 实验数据 | 第42-43页 |
| 4.4.2 评判标准 | 第43-44页 |
| 4.4.3 效果分析 | 第44-45页 |
| 4.5 本章小结 | 第45-48页 |
| 5 基于自顶向下显著性检测的白细胞定位 | 第48-62页 |
| 5.1 研究动机和本章方法概要 | 第48-51页 |
| 5.2 检测特征因子的设计 | 第51-53页 |
| 5.3 基于多尺度因子的多窗口融合 | 第53-56页 |
| 5.3.1 多尺度的ED检测窗口 | 第53-55页 |
| 5.3.2 CC检测窗口 | 第55页 |
| 5.3.3 基于多窗口融合的白细胞定位 | 第55-56页 |
| 5.4 实验结果与分析 | 第56-61页 |
| 5.4.1 实验数据及参数设置 | 第56-58页 |
| 5.4.2 评判标准 | 第58页 |
| 5.4.3 实验分析 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 基于定位的白细胞分割算法 | 第62-69页 |
| 6.1 引言 | 第62页 |
| 6.2 细胞核的分割 | 第62-63页 |
| 6.3 定位子图的预处理 | 第63页 |
| 6.4 迭代GrabCut的细胞质分割 | 第63-65页 |
| 6.5 实验结果与分析 | 第65-68页 |
| 6.6 本章小结 | 第68-69页 |
| 7 结论与展望 | 第69-72页 |
| 7.1 研究总结 | 第69-70页 |
| 7.2 进一步需要开展的工作 | 第70-72页 |
| 参考文献 | 第72-80页 |
| 作者简历 | 第80页 |
