| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 论文组织框架 | 第14-16页 |
| 2 细胞图像分割识别的基本原理和方法 | 第16-28页 |
| 2.1 细胞图像预处理 | 第16-20页 |
| 2.1.1 颜色空间变换 | 第17-18页 |
| 2.1.2 灰度变换 | 第18-19页 |
| 2.1.3 空间滤波 | 第19-20页 |
| 2.2 细胞图像分割的分类和方法 | 第20-25页 |
| 2.2.1 边缘检测 | 第21-22页 |
| 2.2.2 阈值处理 | 第22-23页 |
| 2.2.3 基于区域的分割 | 第23-24页 |
| 2.2.4 基于数学形态学的分割 | 第24-25页 |
| 2.3 细胞图像识别的基本原理和方法 | 第25-27页 |
| 2.3.1 细胞特征类型描述与提取 | 第25-26页 |
| 2.3.2 细胞特征选择 | 第26-27页 |
| 2.3.3 细胞识别 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于小波分解多尺度形态学的细胞自动分割算法 | 第28-54页 |
| 3.1 乳腺细胞组织切片图像采集 | 第29页 |
| 3.2 基于小波分解和多尺度区域生长（WDMR）的粗分割 | 第29-38页 |
| 3.2.1 图像增强 | 第30-31页 |
| 3.2.2 小波分解 | 第31-34页 |
| 3.2.3 多尺度区域生长 | 第34-37页 |
| 3.2.4 单个细胞提取 | 第37-38页 |
| 3.3 基于改进数学形态学和角点检测结合的双策略去粘连模型（DSSM） | 第38-43页 |
| 3.3.1 改进的数学形态学 | 第39-40页 |
| 3.3.2 角点检测分割粘连细胞 | 第40-43页 |
| 3.4 实验结果与分析 | 第43-52页 |
| 3.4.1 实验条件 | 第43-44页 |
| 3.4.2 不同类型乳腺图像分割结果 | 第44-48页 |
| 3.4.3 与最新乳腺细胞图像分割算法对比分析 | 第48-52页 |
| 3.5 本章小结 | 第52-54页 |
| 4 基于特征选择的乳腺细胞自动分类识别 | 第54-66页 |
| 4.1 特征提取 | 第54-57页 |
| 4.1.1 细胞形态特征提取 | 第54-55页 |
| 4.1.2 细胞纹理特征提取 | 第55-57页 |
| 4.2 基于统计假设检验的特征筛选与分类方法 | 第57-58页 |
| 4.2.1 统计假设检验理论 | 第57-58页 |
| 4.2.2 基于统计假设检验的乳腺细胞特征选择与简单分类 | 第58页 |
| 4.3 实验结果与分析 | 第58-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 结论和展望 | 第66-68页 |
| 5.1 论文总结 | 第66页 |
| 5.2 未来研究展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
| A．作者在攻读学位期间发表的论文及专利结果 | 第74页 |
| B．作者在攻读学位期间参与的科研项目 | 第74页 |
