三维T细胞荧光图像的分割与识别

摘要	第1-6页
Abstract	第6-10页
第一章 绪论	第10-16页
·项目课题的背景	第10-11页
·国内外研究历史和现状	第11-14页
·细胞荧光图像分割识别技术的发展现状	第11-13页
·细胞荧光图像分割识别技术的的难点	第13-14页
·本文主要的研究内容和组织结构	第14-16页
第二章 原始图像去噪预处理	第16-22页
·数学形态学方法	第16-20页
·数学形态学基本运算	第16-18页
·灰度图像的形态学重构算法	第18-19页
·形态学梯度	第19-20页
·三维T细胞荧光图像的预处理	第20页
·本章小结	第20-22页
第三章 T细胞图像二值化	第22-35页
·二值化的常用技术	第22-24页
·双峰法	第22页
·OTSU最大类间方差阀值方法	第22-23页
·迭代法	第23页
·简单统计方法	第23页
·Bernsen分割算法	第23-24页
·对T细胞荧光图像的二值化处理	第24-33页
·常用方法在T细胞荧光图像的二值化时遇到的问题	第24-25页
·水平集方法	第25页
·曲线演化理论	第25-26页
·基于水平集的几何轮廓模型	第26-28页
·基于CV模型的水平集方法	第28-29页
·基于水平集方法的T细胞荧光三维图像前景的提取	第29-33页
·本章小结	第33-35页
第四章 T细胞的分割	第35-46页
·图像分割常用方法介绍	第35-37页
·基于数学形态学理论的分水岭算法	第37-44页
·为分水岭选取标记点	第38-39页
·细胞粘连问题	第39-42页
·初次分割后的检验和后处理	第42-43页
·距离变换分水岭分割方法和本文分割方法对比	第43-44页
·本章小结	第44-46页
第五章 T细胞活化状态的识别	第46-58页
·生物医学细胞识别	第46页
·纹理特征	第46页
·纹理特征提取常用技术	第46-54页
·Gabor滤波器	第46-49页
·基于ICA滤波器的纹理特征提取	第49-51页
·基于小波变换的纹理特征提取	第51-52页
·基于灰度共生矩阵的纹理特征提取	第52-54页
·T细胞的基于纹理特征的识别	第54-57页
·本章小结	第57-58页
第六章 三维T细胞的分割与识别算法的实现	第58-63页
第七章 总结与展望	第63-65页
参考文献	第65-68页