| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的主要内容和结构安排 | 第12-14页 |
| 第2章 癌细胞图像细胞核提取 | 第14-25页 |
| ·癌细胞图像分析 | 第14-16页 |
| ·基于RGB三通道的细胞核提取算法 | 第16-22页 |
| ·基于RGB三通道直方图均衡化的图像增强 | 第17-19页 |
| ·基于RGB三通道的细胞核提取算法 | 第19-22页 |
| ·实验结果与分析 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 癌细胞图像特征提取 | 第25-42页 |
| ·细胞核特征提取 | 第25-38页 |
| ·形态特征提取 | 第25-30页 |
| ·颜色特征提取 | 第30-34页 |
| ·纹理特征提取 | 第34-36页 |
| ·光密度特征提取 | 第36-38页 |
| ·基于主成分分析的特征降维处理 | 第38-41页 |
| ·主成分分析 | 第39-40页 |
| ·基于主成分分析的特征降维处理结果 | 第40-41页 |
| ·特征向量的归一化 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于强分类器集成的癌细胞识别 | 第42-61页 |
| ·癌细胞图像识别 | 第42-44页 |
| ·基于Adaboost强分类器的癌细胞识别 | 第44-54页 |
| ·Adaboost算法原理 | 第44-46页 |
| ·基于BP_Adaboost强分类器的癌细胞识别 | 第46-49页 |
| ·基于RBF_Adaboost强分类器的癌细胞识别 | 第49-52页 |
| ·基于LVQ_Adaboost强分类器的癌细胞识别 | 第52-54页 |
| ·基于强分类器集成的癌细胞识别 | 第54-58页 |
| ·神经网络集成 | 第55-56页 |
| ·基于强分类器集成的癌细胞识别 | 第56-58页 |
| ·癌细胞图像特征提取与识别系统的软件设计 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·课题总结 | 第61-62页 |
| ·课题展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |