中文摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 绪论 | 第8-18页 |
1.1 血细胞分割的研究背景及意义 | 第8-10页 |
1.2 国内外的研究现状 | 第10-14页 |
1.2.1 图像分割的研究现状 | 第10-13页 |
1.2.2 细胞图像分割的研究现状 | 第13-14页 |
1.3 课题的研究思路和方法 | 第14-17页 |
1.3.1 研究思路 | 第14-15页 |
1.3.2 研究过程 | 第15-16页 |
1.3.3 组织结构 | 第16-17页 |
本章小结 | 第17-18页 |
第二章 外周血细胞图像特征分析与预处理 | 第18-27页 |
2.1 外周血细胞图像的检测原理 | 第18-21页 |
2.1.1 外周血细胞图片的样本采集 | 第18-19页 |
2.1.2 外周血细胞图像特点 | 第19-20页 |
2.1.3 基于数字图像处理的血细胞图片检测基本原理 | 第20-21页 |
2.2 传统的血细胞图像增强算法 | 第21-24页 |
2.3 实验结果和各增强算法的对比 | 第24-26页 |
本章小结 | 第26-27页 |
第三章 外周血细胞图像的细胞轮廓提取 | 第27-45页 |
3.1 传统的细胞分割算法 | 第27-37页 |
3.1.1 阈值分割算法 | 第27-29页 |
3.1.2 边缘检测算法 | 第29-33页 |
3.1.3 其他传统分割算法 | 第33-35页 |
3.1.4 实验对比与分析 | 第35-37页 |
3.2 基于活动轮廓模型的粗分割 | 第37-43页 |
3.2.1 活动轮廓模型 | 第37-42页 |
3.2.2 活动轮廓模型的改进 | 第42-43页 |
3.3 实验结果 | 第43-44页 |
本章小结 | 第44-45页 |
第四章 基于归一化割和主凹点检测的粘连细胞分割 | 第45-73页 |
4.1 图论应用于图像分割的基本原理和方法 | 第45-53页 |
4.1.1 图的基本概念 | 第45-49页 |
4.1.2 基于最优割集准则的图像分割算法 | 第49-50页 |
4.1.3 基于归一化割的分割研究方法 | 第50-53页 |
4.2 粘连细胞判断和核心标记 | 第53-58页 |
4.2.1 粘连细胞特征 | 第53-56页 |
4.2.2 粘连细胞判断 | 第56-57页 |
4.2.3 细胞核心标记 | 第57-58页 |
4.3 粘连细胞的主凹点检测 | 第58-61页 |
4.3.1 凹集点搜寻原理 | 第58-59页 |
4.3.2 主凹点提取算法实现 | 第59-61页 |
4.4 基于主凹点和归一化割的粘连细胞分离 | 第61-65页 |
4.5 实验结果分析与评价 | 第65-72页 |
4.5.1 算法实验结果对比 | 第65-69页 |
4.5.2 与同类研究对象的算法对比 | 第69-71页 |
4.5.3 算法实验结果评价 | 第71-72页 |
本章小结 | 第72-73页 |
第五章 总结与展望 | 第73-76页 |
5.1 总结 | 第73-74页 |
5.2 特色及创新 | 第74页 |
5.3 展望 | 第74-76页 |
结束语 | 第76-77页 |
参考文献 | 第77-81页 |
致谢 | 第81-82页 |
个人简历、在学期间的研究成果及发表的学术论文 | 第82页 |