白带显微图像中霉菌自动识别及清洁度判定的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本论文的主要研究内容 | 第14-15页 |
| 第二章 盐水白带显微成像光学及医学分析 | 第15-26页 |
| 2.1 盐水白带显微成像光学系统 | 第15-18页 |
| 2.2 盐水白带显微图像中有形成分的介绍 | 第18-20页 |
| 2.3 霉菌的形态特征 | 第20-21页 |
| 2.4 滴虫的形态特征 | 第21-22页 |
| 2.5 白带清洁度的说明 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 图像预处理 | 第26-44页 |
| 3.1 彩色图像灰度化处理 | 第26-27页 |
| 3.2 空间域图像增强 | 第27-31页 |
| 3.2.1 平均平滑 | 第28-29页 |
| 3.2.2 高斯平滑 | 第29-30页 |
| 3.2.3 中值统计排序滤波 | 第30-31页 |
| 3.3 数字图像的基本形态学运算 | 第31-38页 |
| 3.3.1 膨胀及其应用 | 第31-33页 |
| 3.3.2 腐蚀及其应用 | 第33-35页 |
| 3.3.3 开运算和闭运算 | 第35-37页 |
| 3.3.4 顶帽运算与底帽运算 | 第37-38页 |
| 3.4 图像分割 | 第38-42页 |
| 3.4.1 迭代选择阈值法 | 第38-39页 |
| 3.4.2 均匀性度量法 | 第39-40页 |
| 3.4.3 最大类间方差法 | 第40-42页 |
| 3.5 标记连通区域 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 霉菌的自动识别 | 第44-60页 |
| 4.1 细胞特征提取 | 第44-46页 |
| 4.2 模板匹配 | 第46-48页 |
| 4.3 聚类分析 | 第48-50页 |
| 4.4 凹点检测 | 第50-52页 |
| 4.4.1 轮廓跟踪 | 第50-51页 |
| 4.4.2 凹点判断 | 第51-52页 |
| 4.5 优化的霉菌识别算法及结果分析 | 第52-59页 |
| 4.5.1 增加二值小图闭运算 | 第53-54页 |
| 4.5.2 对内边缘进行凹点检测 | 第54-57页 |
| 4.5.3 优化的算法流程和实验结果 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 滴虫的自动识别 | 第60-73页 |
| 5.1 常用的运动目标检测方法 | 第60-63页 |
| 5.1.1 帧差法 | 第60页 |
| 5.1.2 光流法 | 第60-61页 |
| 5.1.3 背景建模法 | 第61-63页 |
| 5.2 改进的基于卡尔曼滤波的背景重建算法 | 第63-67页 |
| 5.2.1 背景重建前图像预处理 | 第63页 |
| 5.2.2 领域判断 | 第63-65页 |
| 5.2.3 前景时间判断 | 第65页 |
| 5.2.4 误分配判断 | 第65-66页 |
| 5.2.5 依据形态学特征识别滴虫 | 第66-67页 |
| 5.3 滴虫识别算法流程及参数分析 | 第67-69页 |
| 5.4 多种运动目标识别算法结果对比 | 第69-71页 |
| 5.5 改进的算法识别结果和分析 | 第71页 |
| 5.6 本章小结 | 第71-73页 |
| 第六章 白带清洁度的判定 | 第73-93页 |
| 6.1 人工神经网络的理论基础 | 第73-78页 |
| 6.1.1 人工神经元模型 | 第73-74页 |
| 6.1.2 激励函数 | 第74-75页 |
| 6.1.3 人工神经网络模型 | 第75-78页 |
| 6.2 BP人工神经网络 | 第78-85页 |
| 6.2.1 理论原理和实现步骤 | 第78-83页 |
| 6.2.2 BP人工神经网络的缺点 | 第83页 |
| 6.2.3 对算法的改进 | 第83-85页 |
| 6.3 基于BP人工神经网络的清洁度判定 | 第85-92页 |
| 6.3.1 白带显微图像特征数据提取 | 第85-88页 |
| 6.3.2 神经网络的设计和训练 | 第88-89页 |
| 6.3.3 实验结果和分析 | 第89-92页 |
| 6.4 本章小结 | 第92-93页 |
| 第七章 结论与展望 | 第93-96页 |
| 7.1 本文的主要工作 | 第93-94页 |
| 7.2 本文的创新点 | 第94页 |
| 7.3 进一步工作的展望 | 第94-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-100页 |
| 攻读硕士学位期间取得的成果 | 第100-101页 |
