基于支持向量机的微柱血型卡图像识别研究与应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-12页 |
| 1.2.1 自动血型分析技术的国内外研究现状 | 第10-11页 |
| 1.2.2 微柱血型卡图像识别技术发展现状 | 第11-12页 |
| 1.3 微柱凝胶法检测原理与结果解释说明 | 第12-14页 |
| 1.3.1 微柱凝胶法检测原理 | 第12-13页 |
| 1.3.2 判读结果解释 | 第13-14页 |
| 1.4 论文的主要任务及结构安排 | 第14-16页 |
| 第二章 微柱血型卡图像处理 | 第16-29页 |
| 2.1 微柱血型卡图像处理简介 | 第16页 |
| 2.2 微柱血型卡图像预处理技术简述 | 第16-21页 |
| 2.2.1 图像的灰度化 | 第18页 |
| 2.2.2 图像的二值化 | 第18页 |
| 2.2.3 图像的形态学处理 | 第18-20页 |
| 2.2.4 图像增强 | 第20-21页 |
| 2.3 微柱血型卡图像掩模处理 | 第21-24页 |
| 2.4 微柱血型卡图像定位分割 | 第24-27页 |
| 2.4.1 微柱血型卡分割原理 | 第24-25页 |
| 2.4.2 微柱管左右边界定位 | 第25-26页 |
| 2.4.3 微柱管上下边界定位 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 微柱血型卡特征提取 | 第29-48页 |
| 3.1 图像特征及识别概念 | 第29-30页 |
| 3.2 纹理特征 | 第30-32页 |
| 3.3 形状特征 | 第32-39页 |
| 3.3.1 质心法 | 第32-35页 |
| 3.3.2 投影法 | 第35-36页 |
| 3.3.3 灰度投影曲线数据分析 | 第36-39页 |
| 3.4 实验对比图 | 第39-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 支持向量机理论基础 | 第48-58页 |
| 4.1 模式识别概述 | 第48页 |
| 4.2 模式识别的过程 | 第48-49页 |
| 4.3 模式识别常用的几种方法 | 第49-51页 |
| 4.3.1 统计模式识别 | 第50页 |
| 4.3.2 人工神经网络模式识别 | 第50页 |
| 4.3.3 支持向量机的模式识别 | 第50-51页 |
| 4.4 .支持向量机 | 第51-57页 |
| 4.4.1 支持向量机理论描述 | 第52页 |
| 4.4.2 线性可分情况下SVM | 第52-55页 |
| 4.4.3 线性不可分支持向量机 | 第55-56页 |
| 4.4.4 核函数 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于支持向量机红细胞凝集强度识别 | 第58-66页 |
| 5.1 引言 | 第58-59页 |
| 5.2 样本集的整理 | 第59-60页 |
| 5.3 特征提取 | 第60页 |
| 5.4 特征的归一化处理 | 第60-61页 |
| 5.5 SVM选型 | 第61-62页 |
| 5.5.1 选择合适的核函数类型 | 第61页 |
| 5.5.2 优选核函数的参数 | 第61-62页 |
| 5.6 分类模型的建立 | 第62-63页 |
| 5.7 实验结果与分析 | 第63-65页 |
| 5.8 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间所取得的相关科研成果 | 第73页 |
