摘要 | 第5-7页 |
Abstract | 第7-8页 |
1 绪论 | 第15-25页 |
1.1 研究的背景和意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-22页 |
1.2.1 细胞生物图像的分割技术 | 第17-18页 |
1.2.2 基于多模型粒子滤波算法的多目标(细胞)检测与跟踪方法研究 | 第18-21页 |
1.2.3 基于蚁群算法的多目标(细胞)检测与跟踪方法研究 | 第21-22页 |
1.3 主要研究内容 | 第22-25页 |
2 细胞图像分割方法研究 | 第25-37页 |
2.1 图像分割的定义 | 第25-26页 |
2.2 细胞图像分割中存在的问题 | 第26页 |
2.3 细胞图像分割方法 | 第26-32页 |
2.3.1 基于阈值的混合粘连、近邻细胞分割方法 | 第27-29页 |
2.3.2 基于改进分水岭的混合密集细胞分割方法 | 第29-32页 |
2.4 仿真结果与分析 | 第32-36页 |
2.5 本章小结 | 第36-37页 |
3 基于扩展交互式多模型粒子滤波的多细胞运动分析方法 | 第37-56页 |
引言 | 第37页 |
3.1 交互式多模型粒子滤波算法 | 第37-40页 |
3.1.1 问题描述 | 第38页 |
3.1.2 交互多模型粒子滤波算法(IMMPF) | 第38-40页 |
3.2 扩展交互式多模型粒子滤波算法(AIMMPF) | 第40-44页 |
3.2.1 事件定义 | 第40-41页 |
3.2.2 运动模型 | 第41-44页 |
3.3 基于细胞特征差异性测量的数据关联方法 | 第44-46页 |
3.3.1 差异性测量 | 第45页 |
3.3.2 关联策略 | 第45-46页 |
3.4 仿真结果与分析 | 第46-55页 |
3.5 本章小结 | 第55-56页 |
4 基于图像背景提取的蚁群多细胞运动分析方法 | 第56-74页 |
引言 | 第56页 |
4.1 蚁群算法 | 第56-57页 |
4.2 基于图像背景提取的蚁群多细胞运动分析算法 | 第57-65页 |
4.2.1 蚁群初始分布 | 第57-59页 |
4.2.2 多蚁群重构 | 第59-63页 |
4.2.3 状态提取与轨迹更新 | 第63-65页 |
4.3 仿真结果与分析 | 第65-73页 |
4.3.1 仿真结果 | 第65-71页 |
4.3.2 讨论 | 第71-73页 |
4.4 本章小结 | 第73-74页 |
5 基于多任务的蚁群近邻细胞运动分析方法 | 第74-90页 |
引言 | 第74页 |
5.1 基于多任务的蚁群近邻细胞跟踪算法 | 第74-81页 |
5.1.1 图像背景提取 | 第74-76页 |
5.1.2 多任务蚁群决策 | 第76-80页 |
5.1.3 蚁群的合并与删除 | 第80-81页 |
5.2 仿真结果与分析 | 第81-89页 |
5.2.1 仿真结果 | 第81-88页 |
5.2.2 讨论 | 第88-89页 |
5.3 本章小结 | 第89-90页 |
6 基于多模式的蚁群变密度细胞运动分析方法 | 第90-107页 |
引言 | 第90页 |
6.1 多模式蚁群算法 | 第90-95页 |
6.1.1 事件定义 | 第90-91页 |
6.1.2 初始蚁群产生 | 第91-93页 |
6.1.3 蚁群工作模式建立 | 第93-94页 |
6.1.4 启发式函数设计 | 第94-95页 |
6.1.5 模式更新 | 第95页 |
6.2 仿真结果与分析 | 第95-105页 |
6.2.1 仿真结果 | 第95-103页 |
6.2.2 讨论 | 第103-105页 |
6.3 本章小结 | 第105-107页 |
7 总结与展望 | 第107-109页 |
7.1 总结 | 第107-108页 |
7.2 展望 | 第108-109页 |
致谢 | 第109-110页 |
参考文献 | 第110-121页 |
附录 | 第121-122页 |
一.攻读博士学位期间发表的论文和出版著作情况 | 第121页 |
二.攻读博士学位期间参加的科研工作情况 | 第121-122页 |
三.专利情况 | 第122页 |