| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景 | 第8-11页 |
| 1.1.1 尿沉渣镜检的临床意义 | 第8页 |
| 1.1.2 尿沉渣主要有形成分 | 第8-10页 |
| 1.1.3 传统尿沉渣检查方法 | 第10-11页 |
| 1.1.4 尿沉渣全自动分析仪研制 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 尿沉渣有形成分识别流程 | 第13-14页 |
| 1.4 本课题研究解决关键问题 | 第14页 |
| 1.5 本文工作内容及结构安排 | 第14-16页 |
| 2 尿沉渣图像的预处理与分割 | 第16-40页 |
| 2.1 图像预处理 | 第16-21页 |
| 2.1.1 尿沉渣图像特点 | 第16-17页 |
| 2.1.2 尿沉渣图像转换 | 第17页 |
| 2.1.3 尿沉渣图像增强 | 第17-20页 |
| 2.1.4 尿沉渣图像组合增强方法 | 第20-21页 |
| 2.2 传统尿沉渣图像分割方法 | 第21-25页 |
| 2.2.1 边缘检测 | 第21-22页 |
| 2.2.2 二维最大熵 | 第22-24页 |
| 2.2.3 分水岭分割 | 第24-25页 |
| 2.3 传统尿沉渣图像分割方法存在的问题 | 第25-26页 |
| 2.4 基于Canny算子和分水岭算法的自适应尿沉渣图像分割 | 第26-38页 |
| 2.4.1 Canny算子对尿沉渣图像粗分割 | 第26-27页 |
| 2.4.2 组合分割算法 | 第27-28页 |
| 2.4.3 大面积有形成分尿沉渣图像分割 | 第28页 |
| 2.4.4 尿沉渣图像复杂度 | 第28-30页 |
| 2.4.5 形态学处理 | 第30-31页 |
| 2.4.6 小面积有形成分尿沉渣图像分割 | 第31-33页 |
| 2.4.7 算法流程及实验结果分析 | 第33-38页 |
| 2.5 本章总结 | 第38-40页 |
| 3 尿沉渣图像有形成分的特征提取 | 第40-50页 |
| 3.1 形状特征提取 | 第40-42页 |
| 3.2 纹理特征提取 | 第42-44页 |
| 3.2.1 灰度共生矩阵 | 第42-43页 |
| 3.2.2 灰度-梯度共生矩阵 | 第43-44页 |
| 3.3 颜色特征提取 | 第44页 |
| 3.4 特征选择 | 第44-48页 |
| 3.5 本章总结 | 第48-50页 |
| 4 尿沉渣图像有形成分识别方法研究 | 第50-72页 |
| 4.1 常用模式识别方法 | 第50-52页 |
| 4.1.1 人工神经网络 | 第50-51页 |
| 4.1.2 支持向量机 | 第51-52页 |
| 4.2 变量预测模型模式识别方法 | 第52-55页 |
| 4.2.1 变量预测模型 | 第52页 |
| 4.2.2 基于变量预测模型的模式识别过程 | 第52-55页 |
| 4.3 VPMCD方法在尿沉渣图像有形成分分类识别中的应用 | 第55-56页 |
| 4.4 基于B-VPMCD尿沉渣图像有形成分分类识别 | 第56-61页 |
| 4.4.1 基于Bagging算法优化VPMCD模型：B-VPMCD | 第56-58页 |
| 4.4.2 基于MLE的主成分分析方法 | 第58-60页 |
| 4.4.3 基于PCA和B-VPMCD的尿沉渣图像有形成分分类识别 | 第60-61页 |
| 4.5 实验结果与分析 | 第61-67页 |
| 4.5.1 实验数据 | 第61-62页 |
| 4.5.2 VPMCD方法实验结果 | 第62-63页 |
| 4.5.3 改进VPMCD方法实验结果 | 第63-65页 |
| 4.5.4 算法对比分析 | 第65-67页 |
| 4.6 算法实际应用 | 第67-71页 |
| 4.7 本章总结 | 第71-72页 |
| 5 总结 | 第72-74页 |
| 5.1 本文主要工作总结 | 第72页 |
| 5.2 存在不足与改进方向 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-78页 |
