基于BP神经网络的红细胞识别分类方法研究与系统实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 选题目的与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容 | 第11-12页 |
| 第2章 红细胞的识别与分类 | 第12-16页 |
| 2.1 红细胞基础知识 | 第12-13页 |
| 2.2 红细胞的形状分类 | 第13-14页 |
| 2.3 红细胞的识别 | 第14-15页 |
| 2.4 本章总结 | 第15-16页 |
| 第3章 数字图像处理与BP神经网络 | 第16-39页 |
| 3.1 数字图像的概念 | 第16页 |
| 3.2 数字图像处理 | 第16-17页 |
| 3.2.1 数字图像处理的概念 | 第16页 |
| 3.2.2 数字图像处理的目的 | 第16-17页 |
| 3.3 图像预处理 | 第17-20页 |
| 3.3.1 双边滤波平滑图像 | 第17-18页 |
| 3.3.2 BM3D图像去噪操作 | 第18-20页 |
| 3.4 图像增强 | 第20-24页 |
| 3.4.1 红细胞图像灰度形态学概念 | 第20-21页 |
| 3.4.2 灰度图像膨胀运算介绍 | 第21-22页 |
| 3.4.3 灰度图像腐蚀运算介绍 | 第22页 |
| 3.4.4 灰度图像开闭运算 | 第22-23页 |
| 3.4.5 灰度图像的顶帽和黑帽增加对比度 | 第23-24页 |
| 3.5 图像分割 | 第24-30页 |
| 3.5.1 图像连通概念 | 第24页 |
| 3.5.2 图像阈值分割方法 | 第24-25页 |
| 3.5.3 Canny分割方法 | 第25-28页 |
| 3.5.4 一种基于标记的分水岭分割方法 | 第28-30页 |
| 3.6 图像形状特征值选择及计算 | 第30-33页 |
| 3.7 红细胞识别分类方法 | 第33-38页 |
| 3.7.1 BP神经网络理论介绍 | 第34-35页 |
| 3.7.2 BP神经网络的学习过程 | 第35-36页 |
| 3.7.3 BP神经网络参数选择 | 第36-37页 |
| 3.7.4 BP神经网络的结构设计 | 第37-38页 |
| 3.8 本章总结 | 第38-39页 |
| 第4章 系统设计与实现 | 第39-54页 |
| 4.1 系统结构设计 | 第39-40页 |
| 4.1.1 系统软件需求及开发工具 | 第39-40页 |
| 4.1.2 系统工作流程设计 | 第40页 |
| 4.2 系统的界面设计及实现 | 第40-42页 |
| 4.3 系统算法的具体实现 | 第42-50页 |
| 4.3.1 图像平滑功能的设计与实现 | 第42-43页 |
| 4.3.2 图像去噪功能的设计与实现 | 第43-44页 |
| 4.3.3 图像增强功能的设计与实现 | 第44-45页 |
| 4.3.4 图像分割功能的设计与实现 | 第45-46页 |
| 4.3.5 图像的特征求取功能设计与实现 | 第46-50页 |
| 4.4 系统检测分析功能设计与实现 | 第50-51页 |
| 4.5 信息管理功能设计与实现 | 第51-52页 |
| 4.6 系统输入输出功能的设计与实现 | 第52-53页 |
| 4.7 本章总结 | 第53-54页 |
| 第5章 识别算法对比分析 | 第54-58页 |
| 5.1 决策树分类算法实现 | 第54-55页 |
| 5.2 决策树与 BP 神经网络分类结果分析对比 | 第55-56页 |
| 5.3 系统大样本测试 | 第56-57页 |
| 5.4 本章总结 | 第57-58页 |
| 第6章 总结与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附录A 在校期间发表的学术论文与研究成果 | 第60-61页 |
| 参考文献 | 第61-63页 |
