基于贝叶斯网络的尿沉渣图像的分割与识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状与发展 | 第9-12页 |
| 1.2.1 贝叶斯网络研究现状 | 第9-11页 |
| 1.2.2 尿沉渣图像分割与识别研究现状 | 第11-12页 |
| 1.3 本文的组织结构 | 第12-13页 |
| 第2章 贝叶斯网络基础理论 | 第13-19页 |
| 2.1 贝叶斯概率模型 | 第13-16页 |
| 2.1.1 贝叶斯理论 | 第13-14页 |
| 2.1.2 最大似然估计法 | 第14-15页 |
| 2.1.3 贝叶斯估计和学习 | 第15-16页 |
| 2.2 贝叶斯分类器 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 基于贝叶斯概率模型的尿沉渣图像分割 | 第19-36页 |
| 3.1 尿沉渣图像的特点 | 第19-22页 |
| 3.1.1 上皮细胞 | 第19页 |
| 3.1.2 结晶 | 第19-20页 |
| 3.1.3 管型 | 第20-22页 |
| 3.2 尿沉渣图像预处理 | 第22-28页 |
| 3.2.1 边缘提取 | 第22-24页 |
| 3.2.2 尿沉渣图像二值化 | 第24-25页 |
| 3.2.3 腐蚀 | 第25-27页 |
| 3.2.4 去除像素点较小的目标 | 第27页 |
| 3.2.5 膨胀 | 第27-28页 |
| 3.3 基于贝叶斯概率模型的尿沉渣图像分割 | 第28-32页 |
| 3.4 实验结果与分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于贝叶斯网络的尿沉渣图像的识别 | 第36-47页 |
| 4.1 特征提取 | 第36-37页 |
| 4.2 特征选择 | 第37-41页 |
| 4.3 基于贝叶斯网络的尿沉渣图像识别 | 第41-43页 |
| 4.4 管型细胞的分类与识别 | 第43-44页 |
| 4.5 实验及结果分析 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-48页 |
| 5.1 总结 | 第47页 |
| 5.2 存在的问题及下一步工作 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 附录A 在学期间发表的学术论文及研究成果 | 第52页 |
