基于数字图像处理技术的荧光显微下神经丝自动跟踪研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 课题来源及研究意义 | 第7-9页 |
| 1.2 本课题国内外研究现状 | 第9-11页 |
| 1.2.1 视频检测跟踪技术的国内外研究现状 | 第9-10页 |
| 1.2.2 数字图像处理技术的国内外研究现状 | 第10-11页 |
| 1.2.3 神经丝蛋白质跟踪技术的国内外研究现状 | 第11页 |
| 1.3 课题主要研究内容和技术路线 | 第11-12页 |
| 1.4 神经丝跟踪的难点与创新点 | 第12-14页 |
| 1.4.1 神经丝跟踪的难点 | 第12-13页 |
| 1.4.2 神经丝跟踪的创新点 | 第13-14页 |
| 1.5 本文章节安排 | 第14-15页 |
| 第二章 神经丝图像预处理 | 第15-25页 |
| 2.1 神经丝运动视频数字化 | 第15-18页 |
| 2.2 神经丝图像复原 | 第18-19页 |
| 2.3 神经丝图像归一化 | 第19-21页 |
| 2.3.1 颜色归一化 | 第20页 |
| 2.3.2 几何归一化 | 第20-21页 |
| 2.4 神经丝图像增强 | 第21-24页 |
| 2.4.1 平滑去噪 | 第21-23页 |
| 2.4.2 边缘锐化 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 神经丝图像分割 | 第25-33页 |
| 3.1 基于关联检测的区域分割算法 | 第25-27页 |
| 3.2 基于图像特征的图像分割算法 | 第27-32页 |
| 3.2.1 基于阈值的图像分割算法 | 第27-28页 |
| 3.2.2 基于区域的图像分割算法 | 第28-31页 |
| 3.2.3 基于聚类的图像分割算法 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 神经丝特征提取 | 第33-41页 |
| 4.1 颜色特征 | 第33-34页 |
| 4.2 轮廓特征 | 第34-38页 |
| 4.2.1 基于微分算子的轮廓检测方法 | 第34-37页 |
| 4.2.2 基于能量泛函的轮廓检测方法 | 第37-38页 |
| 4.3 空间关系特征 | 第38-39页 |
| 4.4 本章小结 | 第39-41页 |
| 第五章 系统设计与实验 | 第41-57页 |
| 5.1 神经丝跟踪算法开发环境 | 第41页 |
| 5.2 神经丝跟踪算法的设计与实现 | 第41-42页 |
| 5.2.1 图像预处理模块 | 第42页 |
| 5.2.2 图像分割模块 | 第42页 |
| 5.2.3 特征提取模块 | 第42页 |
| 5.3 实验及其结果 | 第42-50页 |
| 5.3.1 基于MeanShift视觉跟踪实验 | 第43-45页 |
| 5.3.2 基于Kalman滤波视觉跟踪实验 | 第45-47页 |
| 5.3.3 基于粒子滤波视觉跟踪实验 | 第47-49页 |
| 5.3.4 基于图像处理技术的视觉跟踪实验 | 第49-50页 |
| 5.4 结果分析 | 第50-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录:文中部分程序代码 | 第63-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74-75页 |
