基于内容的病理图像检索方法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 基于内容的图像检索研究现状 | 第10-12页 |
| 1.2.2 病理图像检索研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的研究内容 | 第14-17页 |
| 第2章 相关技术介绍 | 第17-33页 |
| 2.1 病理图像检索基本框架 | 第17-18页 |
| 2.2 图像底层视觉特征的描述与提取 | 第18-23页 |
| 2.2.1 颜色特征 | 第19-20页 |
| 2.2.2 纹理特征 | 第20-22页 |
| 2.2.3 形状特征 | 第22-23页 |
| 2.3 图像检索中的常用相似度度量方法 | 第23-24页 |
| 2.4 图像检索结果的常用评价方法 | 第24-26页 |
| 2.5 神经网络技术的相关内容介绍 | 第26-32页 |
| 2.5.1 神经网络技术的研究现状及其未来发展 | 第26-27页 |
| 2.5.2 神经网络的基本类型与训练算法 | 第27-29页 |
| 2.5.3 神经网络的实验性能与存在的缺陷 | 第29-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于PSO-KELM的病理图像预分类算法 | 第33-45页 |
| 3.1 核极限学习机 | 第33-36页 |
| 3.1.1 极限学习机 | 第33-35页 |
| 3.1.2 核函数 | 第35-36页 |
| 3.2 粒子群优化算法 | 第36-40页 |
| 3.3 粒子群—核极限学习机图像预分类算法 | 第40-44页 |
| 3.3.1 算法简介 | 第40页 |
| 3.3.2 算法的理论推导 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于颜色—纹理特征的病理图像检索方法 | 第45-55页 |
| 4.1 基于HSV颜色空间直方图的颜色特征提取 | 第45-50页 |
| 4.1.1 HSV颜色空间 | 第45-47页 |
| 4.1.2 颜色直方图 | 第47-48页 |
| 4.1.3 颜色空间转换及颜色特征提取 | 第48-50页 |
| 4.2 基于LBP算子的纹理特征提取 | 第50-52页 |
| 4.3 基于颜色—纹理特征的图像检索方法 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 病理图像检索系统的设计与实现 | 第55-63页 |
| 5.1 需求分析 | 第55页 |
| 5.2 系统开发环境 | 第55-56页 |
| 5.3 系统设计 | 第56-60页 |
| 5.3.1 输入模块 | 第57-58页 |
| 5.3.2 特征提取模块 | 第58页 |
| 5.3.3 分类模块 | 第58-59页 |
| 5.3.4 检索与输出模块 | 第59-60页 |
| 5.4 系统实现 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 实验与分析 | 第63-71页 |
| 6.1 实验数据 | 第63-64页 |
| 6.2 特征提取实验 | 第64-66页 |
| 6.3 分类实验 | 第66-68页 |
| 6.4 检索实验 | 第68-70页 |
| 6.5 本章小结 | 第70-71页 |
| 第7章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79页 |
