| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-27页 |
| 1.1 选题背景及研究意义 | 第11页 |
| 1.2 静、动态目标的图像识别的系统 | 第11-13页 |
| 1.3 静态目标的图像识别算法在宫颈细胞识别中的应用 | 第13-20页 |
| 1.3.1 宫颈细胞识别的意义 | 第13-14页 |
| 1.3.2 图像识别算法在宫颈细胞识别中的研究现状 | 第14-20页 |
| 1.4 动态目标的图像识别算法在火灾识别中的应用 | 第20-25页 |
| 1.4.1 火灾识别的研究意义 | 第20-21页 |
| 1.4.2 图像识别算法在火灾识别中的研究现状 | 第21-25页 |
| 1.5 本文主要研究内容 | 第25-27页 |
| 第二章 静态识别算法在宫颈细胞筛查中的应用研究 | 第27-58页 |
| 2.1 静态目标的图像识别 | 第27-31页 |
| 2.1.1 数据特征分析 | 第27-28页 |
| 2.1.2 图像预处理 | 第28-29页 |
| 2.1.3 特征提取 | 第29-30页 |
| 2.1.4 分类决策及模式识别 | 第30-31页 |
| 2.2 宫颈细胞图像识别系统结构 | 第31-32页 |
| 2.2.1 宫颈细胞图片来源 | 第31页 |
| 2.2.2 宫颈细胞图像识别系统结构 | 第31-32页 |
| 2.3 图像预处理及背景块移除 | 第32-39页 |
| 2.3.1 图像预处理 | 第32-35页 |
| 2.3.2 背景块移除 | 第35-39页 |
| 2.4 块图像特性分析及选择 | 第39-49页 |
| 2.4.1 块图像特征分析 | 第39-46页 |
| 2.4.2 块图像特征选择 | 第46-49页 |
| 2.5 分类器设计 | 第49-52页 |
| 2.5.1 支持向量机分类法理论基础 | 第49-50页 |
| 2.5.2 支持向量机分类器设计 | 第50-52页 |
| 2.6 实验结果与分析 | 第52-56页 |
| 2.6.1 实验结果 | 第52-54页 |
| 2.6.2 实验分析 | 第54-56页 |
| 2.7 本章小结 | 第56-58页 |
| 第三章 基于SVM卷积神经网络的宫颈细胞筛查 | 第58-77页 |
| 3.1 深度学习 | 第58-60页 |
| 3.1.1 深度学习基本概念 | 第59页 |
| 3.1.2 深度学习的训练过程及常用模型 | 第59-60页 |
| 3.2 卷积神经网络 | 第60-63页 |
| 3.2.1 卷积神经网络的结构 | 第60-61页 |
| 3.2.2 卷积神经网络的梯度计算 | 第61-63页 |
| 3.2.3 卷积神经网络的训练过程 | 第63页 |
| 3.3 卷积神经网络的改进 | 第63-66页 |
| 3.3.1 Softmax回归 | 第63-65页 |
| 3.3.2 基于支持向量机的卷积神经网络 | 第65-66页 |
| 3.4 算法流程及相关参数选择 | 第66-72页 |
| 3.4.1 实验数据来源 | 第66-67页 |
| 3.4.2 算法流程 | 第67-71页 |
| 3.4.3 参数选择 | 第71-72页 |
| 3.5 实验结果与分析 | 第72-76页 |
| 3.5.1 实验结果 | 第72-73页 |
| 3.5.2 实验结果分析 | 第73-76页 |
| 3.6 本章小结 | 第76-77页 |
| 第四章 动态识别算法在火灾烟雾探测中的应用研究 | 第77-107页 |
| 4.1 运动目标的图像识别 | 第77-80页 |
| 4.1.1 背景减除法 | 第78-79页 |
| 4.1.2 差分法 | 第79-80页 |
| 4.2 图像火灾探测系统架构 | 第80-82页 |
| 4.2.1 火灾探测系统结构 | 第80-82页 |
| 4.2.2 典型火灾烟雾及干扰源视频库 | 第82页 |
| 4.3 图像预处理及运动区域检测 | 第82-85页 |
| 4.3.1 视频中图像帧的提取 | 第82页 |
| 4.3.2 图像预处理 | 第82-83页 |
| 4.3.3 运动区域提取 | 第83-85页 |
| 4.4 烟雾的静态特征 | 第85-89页 |
| 4.4.1 烟雾的颜色特征 | 第85-86页 |
| 4.4.2 烟雾的纹理特征 | 第86-87页 |
| 4.4.3 形态学处理 | 第87-89页 |
| 4.5 可疑区域轮廓光流矢量特性及烟雾区域判定 | 第89-96页 |
| 4.5.1 可疑区域轮廓提取 | 第90-91页 |
| 4.5.2 可疑区域轮廓光流矢量特性分析 | 第91-96页 |
| 4.6 轮廓光流矢量计算与分析 | 第96-103页 |
| 4.6.1 运动区域轮廓光流矢量计算 | 第96-99页 |
| 4.6.2 烟雾轮廓光流矢量特性验证 | 第99-102页 |
| 4.6.3 运动目标轮廓光流矢量特性分析 | 第102-103页 |
| 4.7 实验结果与分析 | 第103-106页 |
| 4.7.1 视频帧可疑烟雾区域提取 | 第103-105页 |
| 4.7.2 实验结果分析 | 第105-106页 |
| 4.8 本章小结 | 第106-107页 |
| 第五章 总结与展望 | 第107-110页 |
| 5.1 总结 | 第107-108页 |
| 5.2 创新点 | 第108-109页 |
| 5.3 展望 | 第109-110页 |
| 参考文献 | 第110-122页 |
| 发表论文情况说明 | 第122-123页 |
| 致谢 | 第123-124页 |