尿沉渣图像的分割与识别算法的研究

中文摘要	第1-4页
英文摘要	第4-8页
1 绪论	第8-13页
·课题的背景与研究意义	第8-9页
·尿沉渣检查的临床意义	第8页
·传统的尿沉渣检查方法及其缺点	第8页
·尿沉渣自动分析仪研制的意义	第8-9页
·国内外的研究现状与动态	第9-12页
·国内外研究方法	第9-11页
·尿沉渣分析仪的研究现状	第11-12页
·本文的章节安排	第12-13页
2 尿沉渣图像的预处理与分割	第13-31页
·图像预处理	第13-14页
·尿沉渣图像的特点	第13页
·尿沉渣彩色图像到灰度图像的转换	第13-14页
·图像去噪	第14页
·小波分析基本理论	第14-17页
·小波变换	第14-16页
·多分辨率分析与Mallat 快速算法	第16-17页
·传统的尿沉渣图像分割方法存在的问题	第17-19页
·传统的尿沉渣图像分割算法	第17-19页
·传统的尿沉渣图像分割算法所存在的不足	第19页
·小波变换与二维最大熵阈值组合分割新算法	第19-31页
·小波变换消除散焦影响	第19-20页
·组合分割思想	第20-22页
·小波变换结合数学形态学分割大细胞成分	第22-23页
·二维最大熵阈值法分割小细胞成分	第23-26页
·算法流程图与实验结果分析	第26-31页
3 尿沉渣图像的特征提取	第31-40页
·形状特征提取	第31-33页
·统计特征提取	第33页
·纹理特征提取	第33-40页
·灰度共生矩阵	第34-37页
·灰度–梯度共生矩阵	第37-40页
4 尿沉渣图像识别	第40-52页
·支持向量机	第40-47页
·统计学习理论	第40-42页
·支持向量机基本原理	第42-46页
·多类支持向量机	第46-47页
·基于SVM 的尿沉渣分类器的设计	第47-49页
·SVM 分类器的结构	第47页
·核函数的选取	第47-48页
·分类器参数的确定	第48-49页
·实验结果分析与对比	第49-52页
·SVM 分类的基本步骤	第49页
·结果分析与对比	第49-52页
5 总结	第52-53页
致谢	第53-54页
参考文献	第54-57页
附录	第57页