| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景与社会意义 | 第10-11页 |
| 1.2 单细胞图像处理流程 | 第11-12页 |
| 1.3 本文单细胞数据集简介 | 第12-14页 |
| 1.4 研究现状 | 第14-17页 |
| 1.4.1 单细胞图像特征提取方法研究现状 | 第14-15页 |
| 1.4.2 单细胞图像特征优化选择方法研究现状 | 第15-16页 |
| 1.4.3 单细胞图像识别方法研究现状 | 第16页 |
| 1.4.4 图像时频分析方法研究现状 | 第16-17页 |
| 1.5 课题来源与研究目标 | 第17页 |
| 1.6 论文结构 | 第17-19页 |
| 第2章 基于小波参数优化的单细胞图像去噪 | 第19-30页 |
| 2.1 引言 | 第19页 |
| 2.2 单细胞图像小波阈值去噪数学模型 | 第19-21页 |
| 2.2.1 图像小波变换基本原理 | 第19-20页 |
| 2.2.2 小波阈值去噪数学模型 | 第20-21页 |
| 2.3 改进小波阈值的单细胞图像去噪 | 第21-23页 |
| 2.3.1 小波阈值估计 | 第21-22页 |
| 2.3.2 改进阈值函数 | 第22-23页 |
| 2.4 单细胞图像的去噪效果评价 | 第23-24页 |
| 2.5 实验与结果 | 第24-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 基于小波变换的单细胞图像特征提取 | 第30-36页 |
| 3.1 引言 | 第30页 |
| 3.2 基于小波变换的单细胞图像特征提取 | 第30-31页 |
| 3.3 实验与结果 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于二维经验模态分解的单细胞图像特征提取 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 二维经验模态分解原理 | 第36-39页 |
| 4.3 二维傅里叶变换原理 | 第39页 |
| 4.4 奇异值分解特征提取 | 第39-40页 |
| 4.5 实验与结果 | 第40-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 基于野草优化算法的单细胞图像特征优化选择 | 第50-53页 |
| 5.1 引言 | 第50页 |
| 5.2 野草优化算法数学模型 | 第50-51页 |
| 5.3 实验与结果 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 基于压缩感知理论的单细胞图像识别 | 第53-58页 |
| 6.1 引言 | 第53页 |
| 6.2 基于压缩感知的单细胞识别模型 | 第53-55页 |
| 6.2.1 单细胞图像识别任务 | 第53页 |
| 6.2.2 压缩感知基本原理 | 第53-54页 |
| 6.2.3 基于压缩感知的单细胞图像识别模型 | 第54-55页 |
| 6.3 实验与结果 | 第55-57页 |
| 6.4 本章小结 | 第57-58页 |
| 第7章 基于Matlab GUI的单细胞图像处理系统设计 | 第58-62页 |
| 7.1 引言 | 第58页 |
| 7.2 系统的结构与设计原则 | 第58页 |
| 7.3 系统的主要设计步骤 | 第58-59页 |
| 7.4 系统的窗口界面设计 | 第59页 |
| 7.5 系统的各模块功能设计 | 第59-61页 |
| 7.6 本章小结 | 第61-62页 |
| 第8章 总结与展望 | 第62-64页 |
| 8.1 研究工作总结 | 第62页 |
| 8.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间参与的课题研究及取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |