| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·传统图像分割方法 | 第8-9页 |
| ·结合特定理论的图像分割方法 | 第9-11页 |
| ·适合草本细胞图像分割方法的研究 | 第11-12页 |
| ·论文的主要工作和内容安排 | 第12-14页 |
| 第二章 传统的边缘检测算法在草本细胞分割中的应用 | 第14-22页 |
| ·微分算子 | 第14-17页 |
| ·各算子对草本细胞电镜图像的实验结果及分析 | 第17-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 结合灰度共生矩阵和曲波变换的草细胞图像特征提取 | 第22-45页 |
| ·第二代 CURVELET 变换 | 第22-29页 |
| ·基本理论 | 第22-24页 |
| ·实现方法以及实现过程分析 | 第24-29页 |
| ·灰度共生矩阵 | 第29-41页 |
| ·灰度共生矩阵定义 | 第29-31页 |
| ·灰度共生矩阵特点 | 第31-35页 |
| ·灰度共生矩阵的特征参数 | 第35-41页 |
| ·算法的设计 | 第41-44页 |
| ·算法的基本思想 | 第41-43页 |
| ·算法的描述 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于曲波和 SVM 的草细胞图像分割方法 | 第45-63页 |
| ·SVM 理论 | 第45-50页 |
| ·线性可分的最优分类面 | 第45-47页 |
| ·线性不可分的最优分类面 | 第47-48页 |
| ·支持向量机 | 第48-50页 |
| ·实验的流程 | 第50-58页 |
| ·实验过程 | 第50-52页 |
| ·SVM 参数的选取 | 第52-56页 |
| ·滑动窗口的选取 | 第56-57页 |
| ·训练样本的选取 | 第57-58页 |
| ·实验结果比较及分析 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士期间的研究成果及获奖情况 | 第67页 |