| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 引言 | 第8-12页 |
| 第一章 癌细胞识别基础 | 第12-24页 |
| 一、细胞图像识别技术概述 | 第12-17页 |
| （一） 细胞图像识别的数学基础 | 第12-13页 |
| （二） 线性判别 | 第13-14页 |
| （三） 多类问题 | 第14-15页 |
| （四） 近邻法 | 第15页 |
| （五） 人工神经网络 | 第15-17页 |
| 二、基本算法 | 第17-21页 |
| （一） 数学形态学(Mathematical Morphology) | 第17-18页 |
| （二） 小波变换(wavelet transform) | 第18-21页 |
| 三、特征向量的选取及测量 | 第21-23页 |
| （一） 特征向量选择 | 第21-22页 |
| （二） 特征向量的测定 | 第22-23页 |
| 四、分类器的设计 | 第23-24页 |
| （一） 设计思想和方法简介 | 第23页 |
| （二） 分类器的实现 | 第23-24页 |
| 第二章 宫颈癌细胞识别系统的设计 | 第24-56页 |
| 一、系统框架 | 第24-26页 |
| （一） 前处理机构 | 第24-25页 |
| （二） 图像数字化 | 第25页 |
| （三） 自动分析系统 | 第25-26页 |
| 二、图像预处理 | 第26-28页 |
| （一） 数据噪声的来源 | 第26-27页 |
| （二） 数据预处理 | 第27-28页 |
| 三、细胞图像分割 | 第28-38页 |
| （一） 设计思想 | 第28-30页 |
| （二） 方法简介 | 第30-35页 |
| （三） 分割方法的实现 | 第35-38页 |
| 四、细胞边缘的提取 | 第38-45页 |
| （一） 显微图像的小波函数选取 | 第39-41页 |
| （二） 显微图像在分解算法中初始数据的采集 | 第41-43页 |
| （三） 用加权组合的阈值对图像去噪 | 第43-44页 |
| （四） 细胞图像的边缘检测 | 第44-45页 |
| 五、显微图像的细胞识别 | 第45-56页 |
| （一） 圆弧链表的形成 | 第45-46页 |
| （二） 圆弧定位 | 第46-48页 |
| （三） 细胞识别 | 第48页 |
| （四） 试验步骤 | 第48-51页 |
| （五） 试验结果及分析 | 第51-56页 |
| 第三章 结论与展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 后记 | 第59页 |