摘要 | 第1-7页 |
Abstract | 第7-12页 |
第1章 绪论 | 第12-23页 |
·引言 | 第12页 |
·神经元干细胞研究的历史背景和意义 | 第12-14页 |
·神经元干细胞灰度图像的来源 | 第14-17页 |
·采用数字处理技术研究神经元干细胞的原因 | 第14-15页 |
·图像采集方式 | 第15-16页 |
·本课题处理图像的来源 | 第16-17页 |
·神经元干细胞亮视野显微灰度图像的特征 | 第17-18页 |
·显微细胞图像处理技术的概况 | 第18-21页 |
·显微细胞图像去噪、增强的发展 | 第18-19页 |
·多细胞图像分割技术的现状 | 第19-21页 |
·本文研究的主要内容 | 第21-23页 |
第2章 神经元干细胞灰度图像的预处理 | 第23-49页 |
·引言 | 第23页 |
·常用的去噪、增强算法 | 第23-29页 |
·基本的去噪方法 | 第23-25页 |
·基本的锐化增强算法 | 第25-27页 |
·神经元干细胞灰度图像的去噪、增强结果 | 第27-29页 |
·基于直方图均衡化的增强算法 | 第29-31页 |
·直方图均衡化的原理 | 第29页 |
·直方图均衡化的定义和应用 | 第29-31页 |
·基于形态滤波的增强算法 | 第31-44页 |
·数学形态学基本理论和发展状况 | 第31-33页 |
·基于多尺度的形态滤波 | 第33-36页 |
·基于形态重构和改进的直方图均衡化的边界增强算法 | 第36-44页 |
·均值平移滤波去除背景 | 第44-48页 |
·均值平移滤波 | 第44-45页 |
·基于均值平移滤波的背景去除 | 第45-48页 |
·本章小结 | 第48-49页 |
第3章 基于边界检测的图像分割方法 | 第49-74页 |
·引言 | 第49页 |
·图像分割方法综述 | 第49-56页 |
·图像分割的定义和分类 | 第49-50页 |
·基于边界的分割 | 第50-52页 |
·基于区域的分割 | 第52-54页 |
·基于特定理论的分割 | 第54-56页 |
·基本的边界检测算子 | 第56-63页 |
·常用的边界检测算子 | 第56-61页 |
·实验结果 | 第61-63页 |
·基于阈值边界检测和边界连接的细胞图像分割方法 | 第63-73页 |
·阈值分割方法 | 第63-68页 |
·边界连接算法 | 第68-69页 |
·分割的实验结果和结论 | 第69-73页 |
·本章小结 | 第73-74页 |
第4章 基于均值平移算法的图像分割方法 | 第74-97页 |
·引言 | 第74页 |
·均值平移算法的理论和应用 | 第74-84页 |
·聚类算法 | 第74-76页 |
·密度估计算法 | 第76-78页 |
·均值平移(Mean Shift)算法 | 第78-84页 |
·基于Mean Shift的边界检测和图像分割系统 | 第84-89页 |
·基于Mean Shift的图像分割 | 第84-85页 |
·嵌入置信度的边界检测 | 第85-86页 |
·EDSION系统和实验结果 | 第86-89页 |
·区域合并算法 | 第89-91页 |
·组合均值平移和区域合并的细胞图像分割方法 | 第91-96页 |
·分割步骤的流程图 | 第91-92页 |
·组合分割中的区域合并方法 | 第92页 |
·利用非凸模型进行形状修正 | 第92-94页 |
·实验结果和分析 | 第94-96页 |
·本章小结 | 第96-97页 |
第5章 基于特定理论的图像分割方法 | 第97-121页 |
·引言 | 第97页 |
·基于几何蛇模型的分割算法 | 第97-109页 |
·活动轮廓模型的发展 | 第97-98页 |
·参数蛇模型和几何蛇模型 | 第98-101页 |
·水平集算法 | 第101-102页 |
·应用水平集算法的几何蛇 | 第102-105页 |
·改进的几何蛇模型分割细胞图像 | 第105-109页 |
·基于分水岭和区域合并的细胞分割 | 第109-117页 |
·分水岭算法的基本原理和实现 | 第109-111页 |
·梯度矢量流 | 第111-113页 |
·组合分水岭和基于梯度矢量流区域合并的细胞分割方法 | 第113-117页 |
·分割评价标准和分割方法对比分析 | 第117-120页 |
·本章小结 | 第120-121页 |
结论 | 第121-124页 |
参考文献 | 第124-134页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第134-135页 |
致谢 | 第135页 |