| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·研究背景和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·论文研究内容 | 第17-19页 |
| ·论文的主要研究工作和章节安排 | 第17-18页 |
| ·本文的主要创新点 | 第18-19页 |
| 第2章 藻类细胞特点及分割的困难性 | 第19-34页 |
| ·藻类的分类及特点 | 第19-34页 |
| ·绿藻门 | 第20-22页 |
| ·蓝藻门 | 第22-23页 |
| ·硅藻门 | 第23-25页 |
| ·其他门藻类的简要介绍 | 第25-34页 |
| 第3章 基于Grab Cut 与八方向链码法的藻类细胞图像分割研究 | 第34-46页 |
| ·Grab Cut 图像分割算法 | 第34-39页 |
| ·Graph Cut 图像分割算法简介 | 第34-35页 |
| ·Grab Cut 算法的理论基础 | 第35-36页 |
| ·高斯混合模型及其参数求解 | 第36-39页 |
| ·融合Grab Cut 与八方向链码法的图像分割方法 | 第39-41页 |
| ·滤波处理 | 第39页 |
| ·Grab Cut 算法处理 | 第39-40页 |
| ·二值化处理 | 第40页 |
| ·八方向链码法轮廓跟踪 | 第40-41页 |
| ·基于傅立叶描述子的轮廓平滑 | 第41页 |
| ·实验与分析 | 第41-46页 |
| 第4章 基于彩色颜色梯度法藻类细胞图像分割研究 | 第46-57页 |
| ·彩色颜色梯度法基本原理 | 第46-47页 |
| ·彩色梯度的Gamma 混合模型及模型参数求解 | 第47-50页 |
| ·实验与分析 | 第50-57页 |
| 第5章 基于均值-梯度共生矩阵模型的最大熵处理算法研究 | 第57-65页 |
| ·最大熵图像处理原理 | 第57-59页 |
| ·信息熵的基本概念 | 第57页 |
| ·图像的信息熵 | 第57-58页 |
| ·最大信息熵原理及其在图像处理中的运用 | 第58-59页 |
| ·基于均值-梯度共生矩阵模型的最大熵处理算法 | 第59-63页 |
| ·彩色图像的灰度化 | 第59页 |
| ·均值-梯度共生矩阵模型的构造 | 第59-61页 |
| ·梯度坐标阈值的确定 | 第61-62页 |
| ·均值坐标阈值的确定 | 第62-63页 |
| ·实验与分析 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| ·论文工作总结 | 第65页 |
| ·讨论和展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-73页 |
| 详细摘要 | 第73-76页 |
