基于神经网络的宫颈脱落细胞图像识别系统的研究
| 中文摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 前言 | 第11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-15页 |
| ·创新 | 第15页 |
| ·研究对象与方法 | 第15-16页 |
| 第二章 图像识别系统的设计 | 第16-19页 |
| ·基本原理 | 第16页 |
| ·图像识别系统 | 第16-19页 |
| ·图像采集系统 | 第17-18页 |
| ·图像处理与识别系统 | 第18-19页 |
| 第三章 图像处理 | 第19-49页 |
| ·图像去噪 | 第20-22页 |
| ·图像去噪分析 | 第20-21页 |
| ·基于小波分析的中值滤波 | 第21页 |
| ·存在的问题 | 第21-22页 |
| ·图像模糊增强 | 第22-31页 |
| ·模糊数学 | 第22-23页 |
| ·模糊增强 | 第23-25页 |
| ·基于遗传算法的模糊增强 | 第25-30页 |
| ·结果 | 第30页 |
| ·模糊增强的质量评价 | 第30-31页 |
| ·图像分割 | 第31-46页 |
| ·最大类间方差分割 | 第32-36页 |
| ·最小误差分割 | 第36-39页 |
| ·类间最大类内最小分割 | 第39-41页 |
| ·最大熵分割 | 第41-44页 |
| ·图像阈值分割讨论 | 第44-46页 |
| ·数学形态学 | 第46-49页 |
| ·形态学分析 | 第46-47页 |
| ·形态学实现 | 第47页 |
| ·讨论 | 第47-49页 |
| 第四章 图像的特征选择 | 第49-56页 |
| ·特征选择 | 第49-51页 |
| ·遗传算法分析 | 第51-54页 |
| ·分析 | 第54-56页 |
| 第五章 细胞形态学参数 | 第56-60页 |
| ·形态学参数的数学描述 | 第56-57页 |
| ·细胞的特征向量 | 第57-60页 |
| 第六章 基于BP神经网络的识别 | 第60-70页 |
| ·神经网络 | 第60-61页 |
| ·BP神经网络 | 第61-69页 |
| ·网络结构 | 第61-62页 |
| ·网络的学习 | 第62-63页 |
| ·网络的实现 | 第63-64页 |
| ·结果分析 | 第64-69页 |
| ·讨论 | 第69-70页 |
| 第七章 讨论 | 第70-75页 |
| ·存在的问题 | 第70-72页 |
| ·涂片制作 | 第70页 |
| ·成像条件 | 第70-71页 |
| ·小波分析 | 第71页 |
| ·图像分割 | 第71页 |
| ·形态学 | 第71页 |
| ·特征提取 | 第71-72页 |
| ·神经网络 | 第72页 |
| ·图像分析的误差控制 | 第72-74页 |
| ·涂片制作 | 第72页 |
| ·成像条件 | 第72-73页 |
| ·图像的准确分割 | 第73页 |
| ·特征选择 | 第73页 |
| ·体视学分析 | 第73-74页 |
| ·抽样误差 | 第74页 |
| ·总结 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士研究生期间发表的论文 | 第81-82页 |
| 致谢 | 第82页 |
