| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 存在的问题 | 第12页 |
| 1.4 本文主要内容 | 第12页 |
| 1.5 技术路线 | 第12-13页 |
| 1.6 论文结构安排 | 第13-14页 |
| 1.7 本章小结 | 第14-15页 |
| 2 牛乳体细胞图像的获取及预处理 | 第15-22页 |
| 2.1 牛乳体细胞图像的采集 | 第15页 |
| 2.2 图像预处理 | 第15-21页 |
| 2.2.1 图像类型转换 | 第16-17页 |
| 2.2.1.1 灰度图像 | 第16页 |
| 2.2.1.2 值图像 | 第16-17页 |
| 2.2.2 图像滤波 | 第17-19页 |
| 2.2.2.1 均值滤波 | 第17-18页 |
| 2.2.2.2 中值滤波 | 第18-19页 |
| 2.2.2.3 高斯滤波 | 第19页 |
| 2.2.3 形态学图像处理 | 第19-21页 |
| 2.2.3.1 膨胀与腐蚀 | 第20-21页 |
| 2.2.3.2 开运算与闭运算 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 基于降维与融合的牛乳体细胞图像分割方法 | 第22-31页 |
| 3.1 彩色空间的选择 | 第22-24页 |
| 3.2 基于低维空间的牛乳体细胞图像的分割 | 第24-26页 |
| 3.2.1 选取牛乳体细胞图像的低维空间 | 第24页 |
| 3.2.2 利用K-means算法在低维空间实施图像分割 | 第24-26页 |
| 3.3 对低维空间的分割结果进行融合 | 第26-28页 |
| 3.3.1 图像融合 | 第26-27页 |
| 3.3.2 对低维空间图像分割结果的融合 | 第27-28页 |
| 3.4 实验结果分析 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 传统粘连细胞的分离方法 | 第31-36页 |
| 4.1 基于形态学的分割方法 | 第31-32页 |
| 4.1.1 测地重建法 | 第31页 |
| 4.1.2 自适应迭代法 | 第31-32页 |
| 4.1.3 分水岭算法 | 第32页 |
| 4.2 基于边缘跟踪的分割方法 | 第32-35页 |
| 4.2.1 链码差法 | 第32-33页 |
| 4.2.2 矢量夹角法 | 第33页 |
| 4.2.3 估算圆心法 | 第33-35页 |
| 4.3 本章小结 | 第35-36页 |
| 5 基于梯度信息Hough圆检测的粘连牛乳体细胞分离方法 | 第36-47页 |
| 5.1 牛乳体细胞图像分离的预处理过程 | 第36-37页 |
| 5.2 八邻域链码提取牛乳体细胞边缘轮廓 | 第37-38页 |
| 5.3 基于梯度信息的Hough变换圆检测 | 第38-43页 |
| 5.3.1 Hough变换的基本原理 | 第38-39页 |
| 5.3.2 经典Hough变换圆检测 | 第39-41页 |
| 5.3.3 梯度信息Hough圆检测 | 第41-42页 |
| 5.3.4 去除虚假细胞 | 第42-43页 |
| 5.4 本文的分离过程及结果分析 | 第43-46页 |
| 5.4.1 本文的分离过程 | 第43-45页 |
| 5.4.2 实验结果与分析 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-48页 |
| 6.1 全文总结 | 第47页 |
| 6.2 展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 作者简介 | 第54页 |