尿沉渣有形成分自动分割识别算法研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·研究背景与意义 | 第7-9页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·课题的提出及目标 | 第10-11页 |
| ·课题的提出 | 第10-11页 |
| ·研究目标 | 第11页 |
| ·主要研究内容及章节安排 | 第11-13页 |
| ·本文主要工作 | 第11页 |
| ·论文章节安排 | 第11-13页 |
| 2 尿沉渣图像预处理 | 第13-24页 |
| ·彩色图像的特点及空间转换 | 第13-16页 |
| ·彩色图像的特点 | 第13页 |
| ·彩色空间及转换 | 第13-16页 |
| ·灰度图像的特点及图像质量评价 | 第16-18页 |
| ·灰度图像的特点 | 第16页 |
| ·图像质量评价 | 第16-18页 |
| ·尿沉渣图像增强技术研究 | 第18-22页 |
| ·点运算增强算法 | 第19-20页 |
| ·邻域增强算法 | 第20-21页 |
| ·傅里叶变换 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 3 高低倍显微镜尿沉渣图像分割研究 | 第24-38页 |
| ·概述 | 第24-25页 |
| ·低倍镜下尿沉渣图像特点 | 第24-25页 |
| ·高倍镜下尿沉渣图像特点 | 第25页 |
| ·低倍镜下尿沉渣图像分割 | 第25-32页 |
| ·改进的边缘检测算子 | 第26-27页 |
| ·阈值分割 | 第27-29页 |
| ·分割后处理 | 第29-32页 |
| ·高倍镜下尿沉渣图像分割 | 第32-37页 |
| ·自适应分割算法 | 第32-34页 |
| ·重叠细胞分割算法 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 4 尿沉渣图像特征分析 | 第38-44页 |
| ·概述 | 第38页 |
| ·尿沉渣图像特征提取 | 第38-41页 |
| ·形状特征 | 第39页 |
| ·纹理特征 | 第39-40页 |
| ·统计特征 | 第40-41页 |
| ·特征集选取 | 第41-43页 |
| ·特征选取原则 | 第41-42页 |
| ·特征选取模型 | 第42页 |
| ·特征选取结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 5 基于决策树与 SVM 分类器设计 | 第44-56页 |
| ·概述 | 第44页 |
| ·决策树基本理论与分类器设计 | 第44-46页 |
| ·管型的决策树分类器设计 | 第45-46页 |
| ·上皮细胞的决策树分类器设计 | 第46页 |
| ·SVM 基本理论 | 第46-50页 |
| ·最优分类面 | 第47-48页 |
| ·核函数 | 第48-49页 |
| ·SVM 的工作原理和特点 | 第49-50页 |
| ·基于 SVM 的尿沉渣图像分类 | 第50-55页 |
| ·多类支持向量机选择 | 第50-51页 |
| ·核函数与参数选择 | 第51-52页 |
| ·决策树与 SVM 分类实验结果分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 6 结论与展望 | 第56-58页 |
| ·本文工作总结 | 第56页 |
| ·前景展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62页 |
