| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·应用背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·显微镜细胞识别系统现状 | 第10-11页 |
| ·图像处理技术研究现状 | 第11-13页 |
| ·模糊聚类算法研究现状 | 第13页 |
| ·本文工作及安排 | 第13-15页 |
| 2 图像特征分析及图像处理算法 | 第15-38页 |
| ·粪便镜检图像的一般特点 | 第15页 |
| ·粪便镜检中细胞成分以及形态特征 | 第15-20页 |
| ·粪便镜检图像预处理 | 第20-27页 |
| ·图像平滑 | 第20-24页 |
| ·图像增强 | 第24-26页 |
| ·算法综合与分析 | 第26-27页 |
| ·图像分割 | 第27-33页 |
| ·基于边缘检测的图像分割 | 第28页 |
| ·梯度算子边缘检测法 | 第28-31页 |
| ·基于边缘检测算法的结果分析 | 第31页 |
| ·基于数学形态学的图像分割 | 第31-33页 |
| ·粪便镜检图像特征提取 | 第33-37页 |
| ·形态特征提取与分析 | 第33-34页 |
| ·纹理参数提取与分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 3 镜检细胞图像模式识别 | 第38-45页 |
| ·图像模式识别 | 第38页 |
| ·镜检细胞图像模式识别概述 | 第38-39页 |
| ·基于决策树的模式识别 | 第39-40页 |
| ·决策树方法 | 第39-40页 |
| ·基于ID3的细胞识别 | 第40页 |
| ·ID3算法在细胞识别过程中的表现 | 第40页 |
| ·基于BP神经网络的细胞识别 | 第40-44页 |
| ·神经网络基本原理 | 第41页 |
| ·神经网络结构 | 第41-42页 |
| ·BP神经网络用于模式识别 | 第42页 |
| ·BP神经网络的学习算法 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 4 粪便镜检图像有形成分聚类分析识别 | 第45-56页 |
| ·聚类分析简介 | 第45-46页 |
| ·模糊聚类算法研究 | 第46-53页 |
| ·模糊理论的基本概念 | 第46页 |
| ·模糊聚类理论基础 | 第46页 |
| ·聚类过程 | 第46-47页 |
| ·模糊等价矩阵动态聚类分析 | 第47-51页 |
| ·迭代自组织数据分析(模糊ISODATA聚类分析) | 第51-52页 |
| ·模糊聚类的实验结果 | 第52-53页 |
| ·迭代阈值选取法确定聚类准确性 | 第53-54页 |
| ·BP神经网络对于有型成分的识别及结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 5 粪便镜检图像识别系统开发 | 第56-61页 |
| ·开发平台简介 | 第56页 |
| ·系统设计 | 第56-60页 |
| ·系统功能需求分析 | 第56-57页 |
| ·系统功能模块划分 | 第57-60页 |
| ·系统模块实现 | 第60页 |
| ·本章小结 | 第60-61页 |
| 6 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68-70页 |