| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-15页 |
| 1 绪论 | 第15-18页 |
| ·研究背景及意义 | 第15页 |
| ·国内外研究现状 | 第15-17页 |
| ·本文内容和结构 | 第17-18页 |
| 2 白细胞分割算法 | 第18-23页 |
| ·引言 | 第18页 |
| ·基于阈值的分割算法 | 第18-20页 |
| ·阈值直方图法 | 第19页 |
| ·最大类间方差(Otsu算法) | 第19-20页 |
| ·基于Gram-Schmidt正交化的白细胞分割算法 | 第20页 |
| ·基于聚类和分类的分割算法 | 第20-21页 |
| ·基于边缘检测的分割算法 | 第21-22页 |
| ·分水岭算法 | 第21-22页 |
| ·梯度向量流算法 | 第22页 |
| ·组合算法 | 第22页 |
| ·本章小结 | 第22-23页 |
| 3 基于多特征非线性组合的白细胞分割算法 | 第23-37页 |
| ·引言 | 第23页 |
| ·基于多特征检测的图像分割 | 第23-26页 |
| ·多特征检测 | 第24-25页 |
| ·谱特征 | 第25页 |
| ·分割 | 第25-26页 |
| ·非线性组合和迭代学习 | 第26-32页 |
| ·随机权网络 | 第26-27页 |
| ·非线性组合 | 第27-28页 |
| ·迭代学习 | 第28-30页 |
| ·基于边界的F测度 | 第30-31页 |
| ·分割结果 | 第31-32页 |
| ·实验结果与分析 | 第32-35页 |
| ·实验参数设置 | 第32-33页 |
| ·实验分析 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 4 基于白细胞定位的分割算法 | 第37-52页 |
| ·引言 | 第37页 |
| ·目标特征提取 | 第37-40页 |
| ·梯度幅度 | 第38页 |
| ·白细胞和邻接区域的特征对比 | 第38-40页 |
| ·白细胞定位 | 第40-43页 |
| ·检测窗口的尺寸 | 第40页 |
| ·支持向量机 | 第40-41页 |
| ·正样本与负样本 | 第41-42页 |
| ·定位结果 | 第42-43页 |
| ·细胞核分割 | 第43-45页 |
| ·细胞质分割 | 第45-46页 |
| ·实验结果与分析 | 第46-49页 |
| ·实验数据 | 第46页 |
| ·实验分析 | 第46-49页 |
| ·本章小结 | 第49-52页 |
| 5 基于卷积神经网络的白细胞分类算法 | 第52-59页 |
| ·引言 | 第52页 |
| ·白细胞分类算法 | 第52-54页 |
| ·卷积神经网络 | 第54-57页 |
| ·卷积层 | 第54-56页 |
| ·池化层 | 第56页 |
| ·卷积神经网络结构 | 第56-57页 |
| ·实验结果与分析 | 第57-58页 |
| ·实验数据及参数设置 | 第57-58页 |
| ·实验分析 | 第58页 |
| ·本章小结 | 第58-59页 |
| 6 结论与展望 | 第59-61页 |
| ·研究总结 | 第59页 |
| ·进一步需要开展的工作 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 作者简历 | 第66页 |