| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 本课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-18页 |
| 1.2.1 尿液有形成分分析仪 | 第12-13页 |
| 1.2.2 细胞图像分割方法简介 | 第13-17页 |
| 1.2.3 尿液有形成分分类方法综述 | 第17-18页 |
| 1.3 本文章节结构 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 图像预处理和基于形态学单细胞图像定位 | 第20-29页 |
| 2.1 高斯低通滤波 | 第20-23页 |
| 2.2 Canny边缘检测算子和形态学 | 第23-26页 |
| 2.2.1 Canny边缘检测算子 | 第23-24页 |
| 2.2.2 二值图像形态学 | 第24-26页 |
| 2.3 基于形态学的单细胞图像定位算法 | 第26-28页 |
| 2.3.1 算法流程图 | 第26-27页 |
| 2.3.2 部分单细胞图像定位提取结果 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于非局部活动轮廓模型的单细胞分割方法 | 第29-40页 |
| 3.1 细胞图像分割方法 | 第29-33页 |
| 3.1.1 阈值法 | 第29-30页 |
| 3.1.2 微分算子法 | 第30-32页 |
| 3.1.3 基于神经网络 | 第32-33页 |
| 3.2 变分图像分割 | 第33-36页 |
| 3.2.1 变分最小化 | 第33页 |
| 3.2.2 广义梯度矢量流Snake模型 | 第33-35页 |
| 3.2.3 CV模型 | 第35页 |
| 3.2.4 IAC模型 | 第35-36页 |
| 3.3 基于非局部活动轮廓模型的单细胞分割算法 | 第36-39页 |
| 3.3.1 小块定义 | 第36-37页 |
| 3.3.2 水平集函数 | 第37页 |
| 3.3.3 能量函数 | 第37-38页 |
| 3.3.4 算法流程 | 第38页 |
| 3.3.5 实验仿真结果 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于SVM的尿液有形成分分析 | 第40-52页 |
| 4.1 细胞区域特征提取 | 第40-46页 |
| 4.1.1 细胞区域几何特征提取 | 第40-41页 |
| 4.1.2 细胞区域灰度特征提取 | 第41页 |
| 4.1.3 Gabor小波变换纹理特征提取 | 第41-46页 |
| 4.2 SVM基本原理 | 第46-49页 |
| 4.2.1 SVM原理 | 第46-48页 |
| 4.2.2 核函数 | 第48-49页 |
| 4.2.3 LIBSVM | 第49页 |
| 4.3 基于SVM的尿液有形成分分析算法 | 第49-51页 |
| 4.3.1 算法流程 | 第49-50页 |
| 4.3.2 SVM训练与测试 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 实验结果与分析 | 第52-60页 |
| 5.1 高斯低通滤波实验结果与分析 | 第52-54页 |
| 5.2 基于非局部活动轮廓模型的单细胞分割算法实验仿真与分析 | 第54-57页 |
| 5.2.1 自然图像和模拟图像分割 | 第54-55页 |
| 5.2.2 不同初始轮廓线位置和形状 | 第55-56页 |
| 5.2.3 单细胞图像分割过程 | 第56-57页 |
| 5.3 基于SVM的尿液有形成分分析实验结果与分析 | 第57-59页 |
| 5.3.1 特征对识别率的影响 | 第57-58页 |
| 5.3.2 SVM核函数对识别率的影响 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表论文与研究成果清单 | 第66-68页 |
| 致谢 | 第68页 |