首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文

多细胞随机性方法运动分析研究

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

论文共122页,点击 下载论文
上一篇:图像恢复与Pan-sharpening的高阶变分模型及算法
下一篇:金属氢化物对典型单质炸药安全性影响的研究