藻类细胞图像的特征提取与分类方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景和意义 | 第8-9页 |
| ·藻类研究的重要性 | 第8页 |
| ·传统藻类检测方法和存在问题 | 第8-9页 |
| ·本课题的研究意义 | 第9页 |
| ·国内外研究现状 | 第9-13页 |
| ·本文研究目标 | 第13-17页 |
| ·主要研究内容与章节安排 | 第15-16页 |
| ·本文的创新点 | 第16-17页 |
| 第二章 藻类细胞显微图像预处理 | 第17-26页 |
| ·藻类细胞图像分割 | 第17-20页 |
| ·大津阈值分割（ostu） | 第18-19页 |
| ·分割效果及对比 | 第19-20页 |
| ·轮廓提取 | 第20-21页 |
| ·彩色空间 | 第21-24页 |
| ·RGB 彩色空间 | 第22页 |
| ·HSI 彩色空间 | 第22-24页 |
| ·颜色背景去除 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第三章 藻类图像的细胞基本特征 | 第26-48页 |
| ·绿藻及蓝藻细胞类型及主要特征 | 第26-29页 |
| ·藻类细胞形态特征 | 第29-32页 |
| ·藻类细胞颜色特征 | 第32-33页 |
| ·藻类细胞纹理特征 | 第33-42页 |
| ·灰度共生矩阵 | 第33-36页 |
| ·灰度级差分法 | 第36-37页 |
| ·灰度-梯度共生矩阵法 | 第37-38页 |
| ·随机行走概率法 | 第38-39页 |
| ·小波纹理特征 | 第39-42页 |
| ·实验结果与分析 | 第42-46页 |
| ·实验图像说明 | 第42页 |
| ·藻类细胞形态特征提取 | 第42-43页 |
| ·藻类细胞颜色特征提取 | 第43-45页 |
| ·藻类细胞纹理特征提取 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 特征优化方法研究 | 第48-57页 |
| ·ReliefF 特征选择算法 | 第48-49页 |
| ·Mitra 特征选择算法 | 第49-52页 |
| ·特征选择组合算法 | 第52-53页 |
| ·算法验证和实验结果 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于神经网络的分类识别器研究 | 第57-77页 |
| ·人工神经网络概述 | 第57-59页 |
| ·BP 神经网络 | 第59-65页 |
| ·BP 神经网络结构 | 第59-61页 |
| ·BP 算法步骤 | 第61-62页 |
| ·BP 网络的缺陷 | 第62-63页 |
| ·BP 算法的改进 | 第63-65页 |
| ·神经网络分类器的设计 | 第65-67页 |
| ·网络性能优化 | 第67-68页 |
| ·实验结果和分析 | 第68-76页 |
| ·实验流程 | 第69页 |
| ·实验步骤 | 第69-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-78页 |
| ·总结 | 第77页 |
| ·展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 附录 | 第84-85页 |
| 详细摘要 | 第85-90页 |
