人体血细胞高光谱显微图像分类
| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 研究现状综述 | 第14-17页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16页 |
| 1.2.3 难点及问题分析 | 第16-17页 |
| 1.3 本文研究目的及主要内容 | 第17-20页 |
| 1.3.1 本文主要研究内容 | 第17-18页 |
| 1.3.2 本文的文章结构 | 第18-20页 |
| 第二章 高光谱显微成像系统 | 第20-30页 |
| 2.1 高光谱显微成像原理简介 | 第20-22页 |
| 2.1.1 高光谱显微图像获取方式 | 第21页 |
| 2.1.2 高光谱显微图像成像光谱仪 | 第21-22页 |
| 2.2 高光谱显微图像数据简介 | 第22-27页 |
| 2.2.1 可见光范围高光谱显微成像系统 | 第22-26页 |
| 2.2.2 可见光-近红外高光谱显微成像系统 | 第26-27页 |
| 2.3 本章小结 | 第27-30页 |
| 第三章 基于导向滤波器的高光谱医学图像重建分析 | 第30-46页 |
| 3.1 算法框架 | 第30-31页 |
| 3.2 导向图像的获取 | 第31-32页 |
| 3.2.1 主成分分析算法 | 第31-32页 |
| 3.2.2 波段选择算法 | 第32页 |
| 3.3 导向滤波 | 第32-34页 |
| 3.3.1 导向滤波算法定义 | 第32-34页 |
| 3.3.2 导向滤波算法加权形式 | 第34页 |
| 3.4 支持向量机 | 第34-35页 |
| 3.5 实验内容与分析 | 第35-44页 |
| 3.5.1 图像重建效果展示与分析 | 第36-40页 |
| 3.5.2 图像分类效果展示与分析 | 第40-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第四章 基于超像素分割的高光谱图像分类研究 | 第46-58页 |
| 4.1 算法框架 | 第46-47页 |
| 4.2 超像素分割算法 | 第47-49页 |
| 4.2.1 超像素分割算法介绍 | 第47页 |
| 4.2.2 SLIC超像素分割 | 第47-49页 |
| 4.3 稀疏表示分类算法 | 第49-51页 |
| 4.3.1 稀疏表示模型 | 第49-51页 |
| 4.3.2 稀疏表示分类器 | 第51页 |
| 4.4 多尺度融合概率判别模型建立 | 第51-52页 |
| 4.5 算法实验验证 | 第52-57页 |
| 4.5.1 分类参数讨论 | 第52-55页 |
| 4.5.2 实验结果分析 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 论文结论 | 第58-59页 |
| 5.2 论文展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 研究成果及发表的学术论文 | 第66-68页 |
| 作者和导师简介 | 第68-70页 |
| 附录 | 第70-71页 |
