| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 本课题主要研究内容 | 第11-14页 |
| 第2章 基于机器视觉的寄生虫卵检测硬件系统构建 | 第14-20页 |
| 2.1 寄生虫卵检测硬件系统整体方案设计 | 第14-19页 |
| 2.1.1 寄生虫卵自动取样装置 | 第15页 |
| 2.1.2 显微镜自动拍摄装置 | 第15-16页 |
| 2.1.3 照明系统 | 第16-17页 |
| 2.1.4 CCD相机的选用 | 第17-19页 |
| 2.1.5 图像采集卡 | 第19页 |
| 2.2 本章小结 | 第19-20页 |
| 第3章 寄生虫卵显微图像预处理及分割 | 第20-36页 |
| 3.1 寄生虫卵显微图像预处理 | 第20-24页 |
| 3.1.1 噪声分类 | 第21页 |
| 3.1.2 噪声去除方法 | 第21-22页 |
| 3.1.3 寄生虫卵显微图像去噪实验 | 第22-24页 |
| 3.2 寄生虫卵显微图像分割 | 第24-31页 |
| 3.2.1 图像分割技术概述 | 第24-26页 |
| 3.2.2 改进后的优化分割方法 | 第26-31页 |
| 3.3 寄生虫卵显微图像分割实验 | 第31-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 寄生虫卵显微图像特征提取与选择 | 第36-44页 |
| 4.1 寄生虫卵特征类型 | 第36-39页 |
| 4.2 寄生虫卵特征选择 | 第39-40页 |
| 4.3 寄生虫卵显微图像特征提取实验 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 寄生虫卵分类识别 | 第44-58页 |
| 5.1 分类技术概述 | 第44页 |
| 5.2 基于BP神经网络的分类识别 | 第44-49页 |
| 5.2.1 BP神经网络理论基础 | 第44-47页 |
| 5.2.2 基于BP神经网络的寄生虫卵分类器设计与实验 | 第47-49页 |
| 5.3 基于支持向量机的分类识别 | 第49-55页 |
| 5.3.1 支持向量机的理论基础 | 第49-52页 |
| 5.3.2 基于SVM的寄生虫卵分类器设计 | 第52-54页 |
| 5.3.3 基于SVM的虫卵识别实验 | 第54-55页 |
| 5.4 BP神经网络与SVM分类器分类结果对比 | 第55-56页 |
| 5.5 本章小结 | 第56-58页 |
| 第6章 结论 | 第58-60页 |
| 6.1 研究总结 | 第58-59页 |
| 6.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间的研究成果 | 第66页 |