基于多尺度计算的尿沉渣图像识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-16页 |
| ·课题的研究背景及意义 | 第9-12页 |
| ·尿沉渣细胞识别的的临床意义 | 第9页 |
| ·尿沉渣有形成分介绍 | 第9-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·传统的尿沉渣检查方法 | 第12-13页 |
| ·国内外研究方法 | 第13-14页 |
| ·本课题研究的内容 | 第14页 |
| ·本章小结 | 第14-16页 |
| 2 多尺度快速定位算法 | 第16-30页 |
| ·常见图像定位方法 | 第16-17页 |
| ·积分图像方法及其应用 | 第17-19页 |
| ·多尺度快速定位算法的原理 | 第19-20页 |
| ·多尺度快速定位算法特征的选取 | 第20-25页 |
| ·图像面积特征 | 第21页 |
| ·图像方差特征 | 第21-22页 |
| ·图像矩特征 | 第22-24页 |
| ·图像纹理特征 | 第24-25页 |
| ·多尺度快速定位算法的应用 | 第25-29页 |
| ·细胞快速定位 | 第26页 |
| ·生物特征定位 | 第26-28页 |
| ·运动轨迹跟踪 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 尿沉渣图像多尺度快速定位方法 | 第30-39页 |
| ·尿沉渣图像预处理 | 第31-32页 |
| ·特征图像的获取 | 第32-35页 |
| ·多尺度特征图像的定义 | 第32-33页 |
| ·图像多尺度不变矩 | 第33-35页 |
| ·图像中心坐标的获取 | 第35-37页 |
| ·算法复杂度比较 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 尿沉渣图像细胞分类识别方法 | 第39-52页 |
| ·传统尿沉渣图像细胞识别方法 | 第39-40页 |
| ·支撑特征网络识别算法理论基础 | 第40-41页 |
| ·支撑特征网络识别算法的实现 | 第41-46页 |
| ·特征量化与编码 | 第42-43页 |
| ·支撑特征网络的建立 | 第43-44页 |
| ·识别定则 | 第44-45页 |
| ·分层识别 | 第45-46页 |
| ·基于支撑特征网络算法的尿沉渣图像细胞识别 | 第46-50页 |
| ·建立系统特征关系网 | 第46-48页 |
| ·尿沉渣图像细胞的分类识别 | 第48-49页 |
| ·支撑特征结构稳定性分析 | 第49-50页 |
| ·SFN 与 SVM 的理论对比分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 5 实验结果与分析 | 第52-57页 |
| ·实验数据 | 第52页 |
| ·尿沉渣图像细胞分类识别实验结果与分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| ·本文的主要工作与总结 | 第57页 |
| ·存在的问题和展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第62页 |
