尿沉渣显微图像的自动检测与识别方案研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究的背景与意义 | 第9-10页 |
| 1.2 尿沉渣显微图像的特点 | 第10-11页 |
| 1.3 国内外发展与研究现状 | 第11-16页 |
| 1.4 本文主要内容 | 第16-18页 |
| 2 高倍镜显微图像的分割 | 第18-30页 |
| 2.1 Canny 边缘检测 | 第18-20页 |
| 2.2 数学形态学概述 | 第20-22页 |
| 2.3 边界跟踪与区域填充 | 第22-23页 |
| 2.4 分水岭分割算法 | 第23-25页 |
| 2.5 高倍镜有形成分的分割 | 第25-28页 |
| 2.6 小结 | 第28-30页 |
| 3 低倍镜显微图像的分割 | 第30-38页 |
| 3.1 基于水平集的分割算法 | 第30-33页 |
| 3.2 低倍镜有形成分的分割 | 第33-36页 |
| 3.3 小结 | 第36-38页 |
| 4 尿沉渣有形成分的特征提取 | 第38-43页 |
| 4.1 形态特征提取 | 第38-40页 |
| 4.2 基于灰度-梯度共生矩阵的纹理特征提取 | 第40-42页 |
| 4.3 小结 | 第42-43页 |
| 5 基于决策树与 SVM 的有形成分的识别分类 | 第43-51页 |
| 5.1 基于决策树的有形成分识别 | 第43-47页 |
| 5.2 基于 SVM 的红细胞与白细胞分类 | 第47-50页 |
| 5.3 小结 | 第50-51页 |
| 6 总结与展望 | 第51-54页 |
| 6.1 全文的工作总结 | 第51-52页 |
| 6.2 本文的创新之处 | 第52页 |
| 6.3 进一步的研究展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
