| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 论文内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第二章 癌细胞图像分析 | 第13-18页 |
| 2.1 DNA定量分析原理 | 第13页 |
| 2.2 细胞样本说明 | 第13-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 细胞核自动分割 | 第18-25页 |
| 3.1 分割算法概述 | 第18页 |
| 3.2 阈值分割算法 | 第18-21页 |
| 3.2.1 最大类间方差法 | 第18-19页 |
| 3.2.2 局部自适应阈值分割法 | 第19页 |
| 3.2.3 实验结果分析 | 第19-21页 |
| 3.3 二值图像分割 | 第21-22页 |
| 3.4 凸包分割算法 | 第22-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 特征参数计算 | 第25-36页 |
| 4.1 引言 | 第25页 |
| 4.2 特征参数计算 | 第25-35页 |
| 4.2.1 形态特征 | 第25-28页 |
| 4.2.2 光密度特征 | 第28-29页 |
| 4.2.3 纹理特征 | 第29-33页 |
| 4.2.4 其他类特征 | 第33-35页 |
| 4.3 本章小结 | 第35-36页 |
| 第五章 分类器设计及特征参数选择 | 第36-54页 |
| 5.1 支持向量机(SVM)算法原理 | 第36-38页 |
| 5.2 Adaboost算法原理 | 第38-40页 |
| 5.3 多级分类器设计 | 第40-42页 |
| 5.3.1 基于Adaboost——SVM级联分类器 | 第40-41页 |
| 5.3.2 基于SVM级联分类器 | 第41-42页 |
| 5.4 特征参数选择 | 第42-44页 |
| 5.4.1 主成分分析方法(PCA) | 第42-43页 |
| 5.4.2 基于随机森林的特征选择 | 第43-44页 |
| 5.5 实验结果分析 | 第44-53页 |
| 5.5.1 基于Adaboost——SVM级联分类结果分析 | 第45-47页 |
| 5.5.2 基于SVM级联分类结果分析 | 第47-48页 |
| 5.5.3 特征选择对分类结果的影响 | 第48-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |