| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 1 绪论 | 第12-20页 |
| ·研究目的及意义 | 第12-13页 |
| ·尿沉渣图像特点与研究现状 | 第13-18页 |
| ·本文结构 | 第18-20页 |
| 2 高低帽变换实现尿沉渣图像的增强处理 | 第20-38页 |
| ·常用图像增强方法及其相关原理的分析 | 第20-25页 |
| ·图像变换 | 第20-21页 |
| ·灰度变换 | 第21页 |
| ·直方图处理 | 第21-23页 |
| ·用算术/逻辑操作增强 | 第23页 |
| ·空间域滤波 | 第23-25页 |
| ·频率域滤波 | 第25页 |
| ·尿沉渣图像增强处理的实验与结果分析 | 第25-33页 |
| ·尿沉渣图像特点分析 | 第25-27页 |
| ·尿沉渣图像增强处理实验与结果分析 | 第27-33页 |
| ·高低帽变换实现尿沉渣图像增强处理算法 | 第33-36页 |
| ·高低帽变换 | 第33-35页 |
| ·实验结果与分析 | 第35-36页 |
| ·小结 | 第36-38页 |
| 3 两种新颖的尿沉渣图像分割算法的研究 | 第38-80页 |
| ·常用分割方法及其相关原理的分析 | 第38-48页 |
| ·间断检测 | 第38-42页 |
| ·阈值处理 | 第42-44页 |
| ·基于区域的分割 | 第44-45页 |
| ·基于形态学分水岭的分割 | 第45-47页 |
| ·离散小波处理 | 第47页 |
| ·形态学处理 | 第47-48页 |
| ·尿沉渣图像分割处理的实验与分析 | 第48-59页 |
| ·Otsu 分割 | 第48-49页 |
| ·自适应阈值处理 | 第49-51页 |
| ·边缘检测 | 第51-56页 |
| ·分水岭分割 | 第56-57页 |
| ·小波处理 | 第57-59页 |
| ·尿沉渣图像二次组合分割算法的研究与实现 | 第59-73页 |
| ·小波变换用于消除散焦影响 | 第59-61页 |
| ·小波变换后形态学处理获取完整分割效果 | 第61-62页 |
| ·二次分割思想 | 第62页 |
| ·混合分割 | 第62-64页 |
| ·边缘检测算法 | 第64-66页 |
| ·自适应阈值分割方法 | 第66-67页 |
| ·细分割中形态学处理方法 | 第67页 |
| ·粘连图像分割算法 | 第67-70页 |
| ·尿沉渣图像分割算法流程 | 第70页 |
| ·算法测试实验 | 第70-72页 |
| ·算法总结 | 第72-73页 |
| ·尿沉渣图像二次自适应阈值分割算法的研究与实现 | 第73-79页 |
| ·自适应阈值法 | 第73-74页 |
| ·二次分割中的形态学处理 | 第74-75页 |
| ·算法实现 | 第75页 |
| ·实验结果与分析 | 第75-79页 |
| ·小结 | 第79-80页 |
| 4 尿沉渣图像特征提取方法的研究 | 第80-98页 |
| ·形状特征提取 | 第80-82页 |
| ·纹理特征提取 | 第82-91页 |
| ·颜色特征提取 | 第91页 |
| ·特征提取方法的研究 | 第91-92页 |
| ·特征提取方法的选择与特征的提取 | 第91-92页 |
| ·特征提取与图像分割模块的衔接 | 第92页 |
| ·实验结果与分析 | 第92-97页 |
| ·小结 | 第97-98页 |
| 5 基于改进遗传算法的尿沉渣图像特征选择算法 | 第98-124页 |
| ·特征选择及其原则 | 第99-101页 |
| ·特征选择简介 | 第99-101页 |
| ·特征选择的原则 | 第101页 |
| ·遗传算法及应用于特征选择的研究 | 第101-104页 |
| ·遗传算法 | 第101-102页 |
| ·遗传算子 | 第102-103页 |
| ·遗传算法用于特征选择 | 第103-104页 |
| ·基于改进的遗传算法的特征选择算法的研究 | 第104-119页 |
| ·双向选择方法的研究 | 第104-105页 |
| ·双向选择法与遗传算法的结合 | 第105-107页 |
| ·遗传算法本身的改进 | 第107-109页 |
| ·改进遗传算法(MGA)的实现 | 第109页 |
| ·多评价准则 | 第109-110页 |
| ·分层分类思想 | 第110-114页 |
| ·基于尿沉渣图像的改进特征选择算法的实现 | 第114页 |
| ·实验结果与分析 | 第114-119页 |
| ·小结 | 第119-124页 |
| 6 基于BP 神经网络的尿沉渣图像识别分类器的研究 | 第124-134页 |
| ·图像识别概述 | 第124页 |
| ·神经网络识别法 | 第124-126页 |
| ·概述 | 第124-125页 |
| ·神经网络分类器与传统分类器的对比 | 第125-126页 |
| ·神经网络基元－神经元模型 | 第126页 |
| ·基于BP 神经网络的尿沉渣图像识别分类器的研究 | 第126-132页 |
| ·BP 神经网络 | 第126-127页 |
| ·基于MATLAB 的BP 神经网络用于模式识别 | 第127-128页 |
| ·基于BP 神经网络的尿沉渣图像识别分类器的设计 | 第128-132页 |
| ·BP 神经网络分类器对尿沉渣图像的识别实验 | 第132页 |
| ·小结 | 第132-134页 |
| 7 结论 | 第134-136页 |
| ·本文的主要工作与结论 | 第134-135页 |
| ·存在的问题和今后努力的方向 | 第135-136页 |
| 致谢 | 第136-138页 |
| 参考文献 | 第138-148页 |
| 附录 | 第148-149页 |
| A：作者在攻读博士学位期间的学术论文 | 第148-149页 |
| B：攻读博士学位期间科研项目情况 | 第149页 |