| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 人体细胞图像处理的意义 | 第8-10页 |
| 1.2 当前国内外的研究状况 | 第10-12页 |
| 1.3 本文完成的主要工作 | 第12-14页 |
| 1.3.1 本文的主要工作 | 第12-13页 |
| 1.3.2 本文内容的安排 | 第13-14页 |
| 第二章 图像分割 | 第14-23页 |
| 2.1 图像分割概述 | 第14-16页 |
| 2.2 图像分割的方法 | 第16-17页 |
| 2.3 并行边界分割 | 第17-19页 |
| 2.3.1 边界检测的数学基础 | 第18-19页 |
| 2.4 串行边界分割 | 第19-20页 |
| 2.5 串行区域分割 | 第20-22页 |
| 2.5.1 区域生长 | 第20-21页 |
| 2.5.2 分裂合并 | 第21-22页 |
| 2.6 并行区域分割 | 第22页 |
| 2.7 小结 | 第22-23页 |
| 第三章 图像阈值分割 | 第23-31页 |
| 3.1 图像阈值分割的介绍 | 第23-24页 |
| 3.2 图像阈值分割的几种方法 | 第24-30页 |
| 3.2.1 直方图法 | 第24-25页 |
| 3.2.2 基于熵的方法 | 第25-26页 |
| 3.2.3 基于测试空间聚类度的方法 | 第26-27页 |
| 3.2.4 基于目标属性的方法 | 第27-29页 |
| 3.2.5 基于空间相关性的方法 | 第29页 |
| 3.2.6 基于局部灰度面的方法 | 第29页 |
| 3.2.7 基于模糊理论的方法 | 第29-30页 |
| 3.3 小结 | 第30-31页 |
| 第四章 无适度图像阈值分割算法—最优蜜源算法（ONSA） | 第31-41页 |
| 4.1 引言 | 第31-32页 |
| 4.2 算法原理 | 第32-37页 |
| 4.2.1 人工蜂群算法概述 | 第32-35页 |
| 4.2.2 假设提出 | 第35-36页 |
| 4.2.3 假设分析 | 第36-37页 |
| 4.3 最优蜜源算法 | 第37-39页 |
| 4.3.1 编码及种群初始化 | 第38页 |
| 4.3.2 适值的计算 | 第38页 |
| 4.3.3 选择机制及蜜源更新 | 第38-39页 |
| 4.3.4 终止算法的条件 | 第39页 |
| 4.4 小结 | 第39-41页 |
| 第五章 ONSA 算法的实验测试以及在医学细胞中的应用 | 第41-51页 |
| 5.1 实验结果及分析 | 第41-44页 |
| 5.2 医学细胞图像分割 | 第44-47页 |
| 5.2.1 概述 | 第44-45页 |
| 5.2.2 采用 ONSA 算法对细胞图像进行阈值分割 | 第45-47页 |
| 5.3 常用测试图 | 第47-50页 |
| 5.4 小结 | 第50-51页 |
| 总结和展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |
