首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于Retinex原理和聚类的生物细胞显微图像分割

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第10-14页
    1.1 引言第10-11页
    1.2 课题的研究背景与现状第11-12页
    1.3 课题的主要工作和文章结构第12-14页
第二章 图像分割第14-19页
    2.1 引言第14页
    2.2 图像分割的简介第14-15页
    2.3 图像分割的方法第15-18页
        2.3.1 灰度阈值分割第15-16页
        2.3.2 边缘检测分割第16-17页
        2.3.3 区域生长分割第17-18页
        2.3.4 聚类分析第18页
    2.4 本章小结第18-19页
第三章 基于RETINEX原理的猪卵母细胞显微图像分割第19-43页
    3.1 引言第19页
    3.2 猪卵母细胞显微图像的特点和分割方法的提出第19-22页
    3.3 基于RETINEX原理的细胞显微图像高频分割第22-27页
        3.3.1 Retinex原理第22-23页
        3.3.2 针对细胞显微图像的单尺度Retinex原理的应用第23-26页
        3.3.3 后续分割方法的选取第26-27页
    3.4 RETINEX原理与区域生长法结合的分割方法第27-33页
        3.4.1 基于Retinex分割后图片选取种子点进行区域生长分割第27-30页
        3.4.2 基于数学形态学和中值滤波的边缘平滑与噪点处理第30-31页
        3.4.3 填充轮廓第31-32页
        3.4.4 中值滤波多次平滑第32-33页
        3.4.5 细胞图片与分割模板结合第33页
    3.5 RETINEX原理独立分割方法第33-35页
        3.5.1 Retinex原理分割图像颜色取反相二值化第33-34页
        3.5.2 中值滤波、轮廓填充、细胞原图与分割模板结合第34-35页
    3.6 同类细胞实验图分割第35-42页
        3.6.1 同类细胞Ⅰ实验图分割过程第35-37页
        3.6.2 同类细胞Ⅱ实验图分割过程第37-41页
        3.6.3 评价分析第41-42页
    3.7 本章小结第42-43页
第四章 基于K-均值聚类的猪卵母细胞显微图像分割第43-54页
    4.1 引言第43页
    4.2 K-均值聚类算法的原理第43-44页
    4.3 K-均值聚类算法在细胞显微图像分割中的应用第44-50页
        4.3.1 K-均值聚类第44-48页
        4.3.2 自适应边缘检测提取轮廓、膨胀、中值滤波第48-49页
        4.3.3 轮廓填充、中值滤波、腐蚀、细胞图片与分割模板结合第49-50页
    4.4 同类细胞实验图分割第50-52页
        4.4.1 同类细胞实验图分割过程第50-52页
        4.4.2 评价分析第52页
    4.5 本章小结第52-54页
第五章 总结与展望第54-56页
参考文献第56-58页
致谢第58-59页
攻读硕士学位期间已发表、录用的论文及参与的科研项目第59页

论文共59页,点击 下载论文
上一篇:交换超立方网络的嵌入问题研究
下一篇:负载均衡与费用的无线Mesh网络网关部署算法研究