一、基于测地形态学进行细胞图象分割的新方法（论文文献综述）
沈乔楠[1]（2010）在《堆石混凝土施工管理中视觉信息的处理方法及应用研究》文中研究说明堆石混凝土技术作为一种新型的筑坝技术,自2003年提出以来,已经应用于多处工程。该技术对堆石仓面质量和自密实混凝土的状态有严格的要求。目前,堆石仓面质量和自密实混凝土的状态只能通过人工巡视目测的方法进行检测,存在主观性强、精度低等缺点。因此本文尝试对施工现场获得的视觉信息进行分析处理,引入非接触式、客观、便捷的方法用于施工质量管理。本文以堆石混凝土施工管理为研究对象,对施工管理中的需求进行分析,将现场目标分为运动目标和静止目标,研究和开发了相对应的视觉信息处理算法,并开发了基于视觉信息的堆石混凝土施工管理系统。堆石混凝土施工管理中的运动目标包括运石车辆、上料料斗、流动的自密实混凝土等,可以通过对其轨迹进行分析处理得到管理所需的信息。在单摄像机静止条件下,施工现场的复杂环境给多目标跟踪带来了一定的困难,主要体现在背景的变化较多以及目标间相互遮挡。本文分别对目标分割、定位和遮挡情况下的目标跟踪方法进行研究,并在此基础上建立了基于高频值的自适应背景更新模型;改进了基于游程递归的连通区域标记算法;开发了基于轨迹连续性判断的遮挡情况下多目标跟踪算法。实验结果表明,整合以上算法可实现对施工现场中多运动目标的实时跟踪,并得到管理所需的信息。堆石混凝土施工管理中的静止目标包括堆石入仓后仓面上的石块及自密实混凝土浇筑完成后仓面上的裸露石块等,可以通过对目标形态的识别来获得管理所需的信息。本文主要研究堆石仓面上各种石块的粒径信息提取方法。为解决石块间重叠、接触给石块粒径识别带来的困难,总结分析了粘连区域分割方法,应用分水岭算法实现块石粒径的提取,并把堆石图像自动识别的块石粒径分布和人工识别的结果进行比较,验证了本文中石块分割算法的准确性。本文将上述视觉信息处理方法进行整合,开发了堆石混凝土施工管理系统,将其用于跟踪施工中的料斗,得到自密实混凝土的生产量;用于提取石块粒径信息,通过处理堆石仓面照片自动得到堆石的级配曲线。该系统可用于堆石混凝土施工现场其他目标的管理;也可推广应用到其他工程的施工管理中。
刘金梅[2]（2009）在《神经元干细胞灰度图像的分割算法研究》文中认为随着现代生物医学的迅速发展,神经元干细胞的研究变得愈加重要。目前主要采用计算机数字成像及高速信息处理技术,对人工培养的大量神经元干细胞的分化、增值过程进行跟踪研究,以获得神经元干细胞成长为不同神经细胞的规律。针对现有分割方法导致的分割结果中的一系列问题,提出了适合于神经元干细胞灰度图像的分割算法,并解决了分割前期的预处理和分割后期细胞形状的修正,本课题以瑞典Chalmers Karin Althoff和Johan Degerman所采集的神经元干细胞灰度图像为图像源,获得了较好的分割结果。研究的主要内容和创新点如下：首先,由于成像环境等因素的影响,图像中存在大量的噪声,为了减少噪声对进一步图像分析的影响,文中分析了常用的线性滤波去噪、锐化增强、形态滤波、以及与直方图均衡化相关的增强算法,并针对所研究的神经元干细胞灰度图像的特征提出基于形态重构和改进的直方图均衡化的边界增强算法；为了减少培养皿底板对分割的影响,引入均值平移滤波进行背景平滑。上述图像去噪、增强算法应用于分割的前期预处理,极大的减少了各类噪声对分割的影响。其次,为了获得全自动的分割方法,本文分析了一种非参数聚类算法——均值平移算法,并结合神经元干细胞灰度图像的特征,提出了基于均值平移和区域合并的细胞分割方法。此方法首先应用均值平移获得详细的初始过分割图像,然后构造了基于距离和面积的三层小区域合并方法,并据此合并初始过分割图像,最后引入非凸模型,对淹没于背景中的细胞缺失部分进行形状修正,获得最终分割结果。仿真结果表明此分割方法可以获得正确的细胞数目,并且分割的细胞轮廓接近真实的细胞轮廓。再次,针对上述分割算法步骤繁琐的问题,提出了基于几何蛇模型的改进的细胞图像分割,减少分割步骤。在改进的模型中引入曲率项来改善曲线演化中导致的形变,以获得平滑轮廓,并修正了引起曲线形变的外力参数,使得曲线更快的接近细胞轮廓,降低运算时间。此方法在细胞轮廓清晰时可获得很好的细胞形状,细胞轮廓模糊时,算法性能有所下降。最后,为了进一步分析细胞轮廓的需要,提出了基于组合分水岭算法和梯度矢量流的区域合并的细胞分割算法。初始的分水岭分割可获得较细致的边界,但存在严重过分割现象,针对这一问题,利用原始图像的梯度矢量流图构造的方向查询表,对过分割区域进行合并得到目标区域,再根据细胞的椭圆形状特征,对目标区域合并得到最后的分割结果。此方法可以获得较清晰的细胞轮廓,但算法对参数设置较敏感。综上所述,本文针对神经元干细胞灰度图像进行了深入研究,提出了相应前期图像去噪、增强算法和细胞图像分割算法。实际数据证明,本文提出的去噪、增强算法可以获得较好的前期预处理结果；提出的分割算法可以满足不同条件下的需求对细胞图像进行分割,从而为进一步工作打下了坚实的基础。
胡媛媛[3]（2008）在《基于形态学的图像分割方法的研究与应用》文中指出图像分割是一种重要的图像技术,它不仅得到人们广泛的重视和研究,也在实际中得到大量的应用。人们在对图像的研究和应用中,往往对图像中的某些部分感兴趣,这些部分常被称为目标或前景（其他部分称为背景）。它们一般对应图像中特定的、具有独特性质的区域。为了辩识和分析图像中的目标,需要将它们从图像中分离出来。在此基础上,人们才能进一步对目标进行测量和对图像进行利用。图像分割就是指把图像分成不同的区域并提取出感兴趣的目标的技术和过程。图像分割的困难在于对象区域的低层信息常产生不一致的情况,无法实现正确的分割。因此,众学者一直致力于图像分割方法的研究,并提出了许多行之有效的方法。本论文的主要目的是使用数学形态学的思想进行图像分割。故首先在文章中我们详细的介绍了数学形态学的起源、发展,并从二值形态学出发到灰度形态学着重研究了数学形态学的膨胀、腐蚀、开、闭等各种运算和性质。然后,我们分别对于形态学的边缘检测和基于时空融合的视频图像分割进行了讨论。在形态学梯度边缘检测算子的基础上,针对图像中的几何特征和噪声提出了一种基于多结构元、多尺度的边缘检测方法,用不同取向的结构元素对图像进行多尺度检测,并综合各尺度下的边缘,得到了噪声存在下的理想边缘。在MPEG-4标准中,视频帧被认为是由一系列相互独立的运动对象组成,视频帧的编码也直接针对一个个视频对象。所以,视频对象的分割提取是MPEG-4标准的核心问题,这是一个非常复杂的问题,在MPEG-4标准中没有具体的算法规定,到目前为止还没有一个通用的方法。因此,本文选择了基于MPEG-4的视频对象分割算法这一课题研究,具有重大的理论和实用价值。为了进行基于对象的视频编码,视频图像往往需要被分割成单独的个体,提出了一种基于时空融合的视频分割算法。在时域上,利用相邻帧差法找到运动目标的初步定位,在空域上,采用改进的分水岭算法对运动目标进行精确定位,最后将二者所得结果进行投影运算,得到最终运动目标。
浦晶[4]（2008）在《基于分水岭与图论的图象分割技术研究》文中研究表明论文着重研究了基于分水岭与图论的图象分割技术。使用传统分水岭算法对噪声图象进行分割,由于缺少预处理及后处理,过分割现象严重。论文提出的改进分水岭算法基于数学形态学及图论理论,由以下三步实现:图象的预处理;使用Vincent-Soille分水岭算法对预处理过的图象进行分割;图象的后处理。提出基于新型GOC滤波器的预处理算法对噪声图象进行平滑去噪处理,该滤波器由两组适应不同形状要求的尺寸分别为3×3和5×5的结构元素组构成,每组结构元素组由水平、垂直、45度角及135度角四个方向的结构元素构成,有效地去除图象噪声。提出基于Ratio Cut准则的后处理算法,将分水岭分割产生的过分割小区域看作图的节点,建立浓缩的带权图,进行区域合并。在VC++6.0环境下实现了一个图象分割系统,对提出算法进行了验证,改进后的分水岭算法能够有效减轻过分割现象,得到有意义分割区域。
卢艳芝[5]（2008）在《重叠细胞分割技术研究》文中指出临床化验,包括血液涂片,尿液沉渣、病理切片和其他含细胞的标本检查等工作早期是由人工完成的,存在着效率低、专业性强等一系列的问题,利用计算机对细胞图像进行自动判读可以有效地避免这些问题,因而成为国内外学者研究的一个热点。在细胞自动判读技术识别过程中,细胞分割是一个非常重要的环节,分割结果的好坏直接关系到后续识别的效果。由于细胞图像的多样性和复杂性,目前还没有一种完全通用的分割方法可以实现对所有细胞图像的正确分割。无论采用哪种分割算法,总会产生重叠、粘连的现象,因此,迫切需要提出一种切实可行的方法来解决这一难题。将粘连、重叠在一起的颗粒目标分割成单个颗粒是一种特殊意义下的分割,本文正是针对这一问题进行研究的。本文阐述了该领域的国内外研究现状,介绍了目前已有的图像分割方法,主要包括有基于区域分割、基于边缘分割和基于特定理论分割等三类方法,并对一些常用的分割算法进行了比较分析,指出了它们的优缺点。现有粘连细胞的分离算法大部分是基于数学形态学的,包括基于分离点搜索的分离算法、流域算法和水坝算法,本文在比较分析了这些算法的优缺点的基础上,提出了一种改进的基于数学形态学的分离算法。该算法首先采用一种简单、快速的边界剥离方法得到距离变换结果,然后再用分水岭方法精确找到分离点,从而实现粘连细胞的分离。实验结果表明,算法获得了良好的分离效果。最后,对全文进行了总结,并指出了今后的工作将着重狭长目标及单目标形状不规则的颗粒图像中聚堆目标的分离。
罗旺[6]（2007）在《基于遗传算法的菌落图像分割》文中认为菌落图像的处理与分析是农业、食品、医药卫生分析中进行质量检测的一项基本且重要的工作。以往这些工作由人工观测完成,工序繁杂、耗时长、效率低,而且带有主观性,误差大,重现性不好。采用图像处理与分析的方法能将操作人员从这一繁重的工作中解脱出来,并大大提高计数与分析的精度,从而得到广泛应用,成为近年来国内外的一大研究热点。菌落图像处理与分析中的一个重要环节是图像分割,其好坏直接影响到计数的精度与后续的处理。但是,图像分割技术一直以来都是图像信息工程的经典难题,没有一种方法对所有测试图像分割效果是最佳的。在菌落图像分析中,菌落尺寸可能大小不一、形态各异,并且经常有聚堆现象,所以分割难度更大。为此,本文分析了现有的分割技术,考虑到图像分割是组合优化问题,可以采用基于遗传算法或模拟退火算法的图像分割技术,但是单独使用这两种算法,在处理过程中有很多局限,所以本文采用两种算法相结合的混合算法,该混合算法结合了两种算法的优点,削弱了不足之处。通过分析具有各种形态特征的菌落图像,采用该分割技术对菌落图像进行实验处理,研究其自动分割技术,从而提高分割的精度和速度。本文研究分析分割技术以及遗传算法现状的同时,尝试将遗传—模拟退火分割算法应用到开发自动识别系统中。识别系统的功能如下:1.图像滤波。可采用中值和均值滤波,目的是为了提高后续的分割、分离算法的效果,提高计数的精度。2.图像分割。首先,采用遗传—模拟退火分割技术将彩色图像转换成灰度图像;其次,采用填充算法进行孔洞填充,填充算法有多边形有序边填充算法、种子填充算法以及多边形边标志填充算法;最后,将重叠、粘连的菌落分离,并剔除噪声点。3.数量的统计。使用中心点标注或者非中心点标注这两种方法。针对灰度图像,如果直接使用阈值分割,种子填充,腐蚀细化能够得到较好的分割结果,就可以直接进行统计。
朱才志[7]（2007）在《基于偏微分方程的数字图象处理的研究》文中提出低层的图象处理一直是计算机视觉发展的瓶颈。近年来偏微分方程在图象处理中的应用在国际上得到了广泛的关注，有望解决经典的启发式图象处理方法的缺陷。现有研究成果表明，基于偏微分方程的图象处理方法可应用于图象恢复、图象分割、超分辨率、立体视觉、图象修复、图象分类、视频序列分析等多方面。研究成果可以快捷地应用在医疗图象分析、遥感图象处理、机器人视觉、视频监控、视频压缩等领域。基于偏微分方程的图象处理属于基础性理论研究，是偏微分方程，变分学，微分几何，数值分析，经典力学与图象处理等多个学科的交叉，相关理论深且广，目前国内相关的研究尚处于起步阶段。在广泛调研国际最新理论进展与研究成果的基础上，本论文系统、详细地阐述了基于偏微分方程的图象处理方法的基本原理，设计思路，数值求解与实验结果等，主要包括以下研究内容：论文首先系统地介绍了图象处理技术的框架与数学背景，在此基础上，介绍了偏微分方程在图象处理中的导出，基于偏微分方程的图象处理方法的发展历程与优势所在，该领域内知名的国际相关专题、重要着作与行业内领先的研究机构。论文的第二部分首先从数学角度来解释图象，接着详细讲述了基于偏微分方程的数字图象处理的数学理论基础，具体包括偏微分方程，变分与梯度下降流，平面微分几何，数值分析等部分，其中涉及着名的Osher-Sethian的水平集演化理论。第三、四章是论文的核心部分，分别研究了偏微分方程在图象处理中的两个最基本应用：图象恢复与图象分割，主要研究基于偏微分方程演化流的图象处理方法。在第三部分图象恢复中，首先介绍了Tikhonov正则化、各向同性扩散与尺度空间等基本理论。本章的重点在于P-M各向异性扩散理论的分析与在鲁棒统计中的评测，及对ROF TV全变差模型的改进等方面。在本部分的结尾简单介绍了Osher-Rudin的激波滤波器及其相关改进算法。第四部分分析了用轮廓演化理论实现的三种类型的图象分割方法：基于边界，基于区域以及基于知识的图象分割。在基于边界的图象分割算法中，论文首先分析了Caselles等的测地活动轮廓，详细分析了相关算法的优缺点，在算法实现上，特别提到了Li Chunming的无须重新初始化的水平集演化算法；在基于区域的图象分割方法中，Mumford-Shah模型与Chan-Vese简化模型是研究的重点，论文提出了改进算法，加快了迭代收敛速度；在基于知识的图象分割中，论文研究了一类“聪明的”活动轮廓模型——Cootes-Taylor的活动形状模型，并提出了一种新的基于自训练与snakes搜索的活动形状模型。论文的第五章讨论了用有限差分法数值求解不同类型的偏微分方程，重点和难点是双曲型偏微分方程的数值求解，其中介绍了迎风格式，CFL稳定条件，及Hamilton-Jacobi方程的多种数值离散化方法。论文的最后总结了全文，论文的创新之处在于：1．在广泛调研国际上最新研究成果的基础上，论文系统地、详细地阐述了基于偏微分方程的图象处理方法的基本原理，设计思路，数值求解。特别地，论文给出了在图象恢复与图象分割领域内，当前热门的偏微分方程图象处理模型的matlab模拟实验结果，为国内同行开展相关领域的研究提供了借鉴。2．在基于偏微分方程的图象恢复中，我们分析了全变差图象恢复模型的缺陷在于初值条件难以确定，即要求噪声的均值与方差两个限定条件从一开始就要同时满足，此后才能正确求得拉格朗日参数的大小。为此提出了一种分步迭代的拉格朗日参数的选取方法，改进了全变差模型，加快了收敛速度，提高了图象恢复质量。3．在基于区域的图象分割方法中，受Li Chunming的测地活动轮廓算法的数值实现的启示，我们提出了一种的无须重新初始化的Mumford-Shah模型与Chan-Vese简化模型，极大地加快了收敛速度。4．最后提出了一种新的基于snakes搜索的活动形状模型。针对活动形状模型在搜索过程中孤立地调整单个标记点的位置，没有考虑到模型中标记点彼此的内在联系的缺陷，我们提出，可把snakes的能量函数作为活动形状模型标记点搜索最佳的度量。新的基于snakes搜索的活动形状模型可用于基于知识的目标轮廓提取中。
王筱艳[8]（2007）在《细胞图像的分割与计数》文中指出贫血现象在我国日趋严重，它是妇女儿童的常见病，也是儿童除肺炎、腹泻、佝偻病之外的“四大疾病”之一。而贫血产生的原因之一就是红细胞生成的减少，传统的血细胞计数是将血液稀释后，滴在有分划的玻璃片上，在显微镜下人工计数。这种计数方法速度慢，劳动强度大，眼睛易疲劳，计数精度低，且误差因人而异。如果应用具有快速能力的计算机技术和现代图像处理技术对病理标本进行定性及定量测量，既可以减少主观干扰，以提高识别精度，又可以减轻医生繁重的劳动负担，而提高工作效率。计算机技术在医学领域得到了广泛的应用，特别是各种图像处理方法在医学图像的分割、识别、定量分析中成为了临床辅助诊断和医学研究的重要工具。在生物医学图像研究中，对细胞的识别、分类、自动测量是经常进行的工作，而要将细胞识别出来，重要的处理有两步：先将待分析的细胞从图中提取出来，然后将粘连细胞切割为单个细胞。在第一步中，传统的分割方法常常基于灰度图像，比如阈值分割法，本文充分利用了细胞切片图像的彩色信息，选择了更符合人类视觉规律的HSV彩色空间，把色调、亮度、饱和度的信息结合在一起，采用3次阈值分割法很好地提取出目标。在第二步中，本研究引入圆形度和面积特征，利用链码差可以反映细胞边界曲率特点，找出细胞轮廓的凹点对，实现粘连细胞的分割，且可以有效抑制过分割和假细胞区域。到目前为止，所有的分割粘连细胞的方法都是针对链式粘连，并没有对环状粘连进行实验。本文就这个问题进行了深入研究，利用细胞形状的先验知识与目标轮廓链码估计粘连细胞中心点位置，并结合聚类思想把粘连区域进行分类，得到了较满意的结果。本研究是基于Visual C++6．0环境进行软件系统设计与开发，建立了细胞图像分割与计数系统的主体框架：图像分割模块和统计分析模块。在后一个模块中，实现了通过鼠标双击感兴趣的细胞，得到该细胞的面积、周长、近似直径、形状因子、圆形度、矩形度等参数，并可绘制此细胞的轮廓：对整幅图像得到了细胞个数、总面积、总周长、平均面积、平均周长、异常细胞比等参数，并可绘制统计线长直方图。本文不需要预处理工作，在修正阶段可以很好的去除噪声和假细胞区域，但是把滤波增强作为用户的可选步骤。软件系统实现了细胞图像的分割、自动识别、统计分析等功能，具有高效、准确和使用方便等特点，可以大大提高生物细胞各项指标检测的速度和准确性。与传统测量方法相比，细胞图像自动分析系统可以减少人为误差，使结果更客观，可作为细胞图像性能分析的有效工具。但本研究中在算法设计、特征提取和软件功能等方面也存在不足之处，有待进一步改进。
王玥玥[9]（2006）在《淋病显微细胞图象分析识别技术的研究与实现》文中研究指明医学显微图象处理是近三十年来发展起来的新兴技术,其中病原微生物图象自动识别是显微图象处理领域的研究课题之一。目前,对于淋病显微细胞图象的分析,仍停留在对涂片的视频采集,人工识别阶段,存在误判率高、工作效率低等问题。为了改善上述问题,本文将计算机图象处理技术用于淋病显微细胞图象的分析和识别,研究了细胞图象预处理、细胞图象分割、细胞特征提取和识别等问题。在显微细胞图象预处理方面,对几种图象灰度化和图象增强方法进行了分析和比较,确定了用加权平均值法进行彩色图象灰度化,并采用中值滤波去除图象噪声。细胞图象分割是进行显微图象识别的关键,其分割算法是本文的研究重点,在详细分析目前国内外常用的算法基础上,针对淋病显微细胞图象的特点,重点研究了二维OTSU阈值分割算法。为降低其计算复杂度,减少计算时间,利用图象的内外边缘信息,限定二维阈值的选取范围,提出了一种基于图象边缘的二维OTSU阈值分割方法,并用于淋病显微细胞图象的分割。对分割后的图象,采用数学形态学中的腐蚀和膨胀进行分割后处理,去除图象中凝血细胞或污渍的影响。在细胞轮廓提取方面,采用标号法标注淋细胞并提取边缘,并根据医学专家提供的诊断依据,提取多形核白细胞和淋球菌细胞的质心、面积、周长、形状因子、欧几里德距离等参数进行识别。最后简单开发了应用计算机图象处理技术进行淋病病情自动诊断的实用化系统,主要采用Visual C++和MATLAB实现了实用化系统中的图象自动分析模块的功能。
温程璐,王蓬勃,李伟[10]（2005）在《基于显微视觉技术的生物细胞图像处理研究进展》文中研究说明阐述了显微视觉技术在细胞图像预处理、分割,细胞分级、三维重建等生物细胞图像处理中的发展现状。指出了研究的难点,并探讨了未来的发展方向。
二、基于测地形态学进行细胞图象分割的新方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于测地形态学进行细胞图象分割的新方法（论文提纲范文）
（1）堆石混凝土施工管理中视觉信息的处理方法及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 计算机视觉信息处理技术 |
| 1.2.1 计算机视觉技术 |
| 1.2.2 低层计算机视觉信息处理方法 |
| 1.2.3 高层计算机视觉信息处理方法 |
| 1.3 国内外研究现状 |
| 1.3.1 水利工程信息化建设现状 |
| 1.3.2 计算机视觉信息处理技术在水利工程中的应用现状 |
| 1.3.3 堆石混凝土施工管理的现状 |
| 1.4 课题研究内容 |
| 1.4.1 基于视觉信息的堆石混凝土施工管理系统构成 |
| 1.4.2 主要研究内容 |
| 1.4.3 本课题研究路线 |
| 1.4.4 本文的整体框架 |
| 第2章 堆石混凝土施工管理的需求分析及系统设计 |
| 2.1 本章引论 |
| 2.2 山西省晋城市围滩水电站工程概况 |
| 2.3 堆石混凝土施工管理的需求分析 |
| 2.3.1 堆石混凝土施工工序 |
| 2.3.2 堆石混凝土施工管理的需求分析 |
| 2.3.3 堆石混凝土施工管理的技术需求 |
| 2.4 基于视觉信息的堆石混凝土施工管理系统设计 |
| 2.4.1 基于视觉信息的堆石混凝土施工管理系统框架 |
| 2.4.2 基于视觉信息的堆石混凝土施工管理系统目标 |
| 2.4.3 基于视觉信息的堆石混凝土施工管理系统实现的关键技术 |
| 2.5 本章小结 |
| 第3章 施工现场中多运动目标分割算法研究 |
| 3.1 本章引论 |
| 3.2 运动目标分割技术 |
| 3.2.1 光流法 |
| 3.2.2 帧间差分法 |
| 3.2.3 背景差法 |
| 3.3 自适应背景更新模型 |
| 3.3.1 基于平均值模型的方法 |
| 3.3.2 基于单高斯模型的方法 |
| 3.3.3 基于混合高斯模型的方法 |
| 3.4 基于高频值模型的改进背景模型 |
| 3.4.1 背景初始化 |
| 3.4.2 背景更新模型 |
| 3.4.3 背景建模流程图 |
| 3.5 实验结果与分析 |
| 3.5.1 参数的选择 |
| 3.5.2 初始帧中含有运动目标的情况 |
| 3.5.3 背景大面积变化的情况 |
| 3.6 本章小结 |
| 第4章 施工现场中多运动目标定位算法研究 |
| 4.1 本章引论 |
| 4.2 数学形态学方法 |
| 4.2.1 膨胀运算 |
| 4.2.2 腐蚀运算 |
| 4.2.3 开运算 |
| 4.2.4 闭运算 |
| 4.3 连通区域标记算法综述 |
| 4.3.1 基于像素的方法 |
| 4.3.2 基于游程的方法 |
| 4.3.3 基于轮廓的方法 |
| 4.4 基于游程递归的连通区域标记算法 |
| 4.4.1 游程及游程的连通性 |
| 4.4.2 算法流程 |
| 4.4.3 算法优化 |
| 4.5 实验结果与分析 |
| 4.5.1 结构元素的选取 |
| 4.5.2 连通区域标记的结果与分析 |
| 4.5.3 施工现场中运动目标定位 |
| 4.6 本章小结 |
| 第5章 施工现场中遮挡情况下多目标跟踪算法研究 |
| 5.1 本章引论 |
| 5.2 遮挡情况下多目标跟踪算法 |
| 5.2.1 目标特征匹配 |
| 5.2.2 Kalman 滤波预测 |
| 5.2.3 扩展 Kalman 滤波预测 |
| 5.2.4 Mean-Shift 均值偏移方法 |
| 5.3 轨迹连续性匹配算法 |
| 5.3.1 轨迹连续性定义 |
| 5.3.2 轨迹与目标对应关系表 |
| 5.3.3 前景区域块分割 |
| 5.3.4 轨迹更新处理 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第6章 堆石图像的粘连区域分割算法研究 |
| 6.1 本章引论 |
| 6.2 堆石图像的预处理 |
| 6.2.1 灰度转换 |
| 6.2.2 图像增强 |
| 6.2.3 图像平滑 |
| 6.2.4 阈值分割 |
| 6.2.5 数学形态学滤波处理 |
| 6.3 粘连区域的分割方法 |
| 6.3.1 腐蚀膨胀法 |
| 6.3.2 测地重建法 |
| 6.3.3 分水岭算法 |
| 6.3.4 基于边缘跟踪的方法 |
| 6.4 堆石间粘连区域的分水岭分割算法 |
| 6.4.1 距离变换 |
| 6.4.2 存储结构 |
| 6.4.3 种子点搜索 |
| 6.4.4 种子点合并 |
| 6.5 堆石料级配的结果与分析 |
| 6.6 本章小结 |
| 第7章 基于视觉信息的堆石混凝土施工管理系统实现及应用 |
| 7.1 本章引论 |
| 7.2 基于视觉信息的堆石混凝土施工管理系统实现 |
| 7.2.1 基于高频值模型的自适应背景更新实现 |
| 7.2.2 基于游程递归的连通区域标记算法实现 |
| 7.2.3 基于轨迹连续性判断的目标匹配算法实现 |
| 7.2.4 静止目标识别的分水岭算法实现 |
| 7.2.5 编程工具介绍 |
| 7.2.6 基于视觉信息的堆石混凝土施工系统主要界面 |
| 7.3 料斗跟踪和自密实混凝土生产量自动统计 |
| 7.3.1 料斗图像的获取与输入 |
| 7.3.2 料斗跟踪结果 |
| 7.3.3 自密实混凝土生产效率 |
| 7.4 堆石块体的自动识别和堆石仓面质量评价 |
| 7.4.1 堆石图像的获取 |
| 7.4.2 粒径的定义 |
| 7.4.3 参照物的选择 |
| 7.4.4 堆石级配曲线 |
| 7.4.5 堆石仓面质量评价 |
| 7.5 本章小结 |
| 第8章 结论与展望 |
| 8.1 研究工作总结 |
| 8.2 主要创新点 |
| 8.3 对进一步工作的展望 |
| 参考文献 |
| 致谢 |
| 附录 A 基于视觉信息的堆石混凝土施工管理系统实现部分 代码 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（2）神经元干细胞灰度图像的分割算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 神经元干细胞研究的历史背景和意义 |
| 1.3 神经元干细胞灰度图像的来源 |
| 1.3.1 采用数字处理技术研究神经元干细胞的原因 |
| 1.3.2 图像采集方式 |
| 1.3.3 本课题处理图像的来源 |
| 1.4 神经元干细胞亮视野显微灰度图像的特征 |
| 1.5 显微细胞图像处理技术的概况 |
| 1.5.1 显微细胞图像去噪、增强的发展 |
| 1.5.2 多细胞图像分割技术的现状 |
| 1.6 本文研究的主要内容 |
| 第2章 神经元干细胞灰度图像的预处理 |
| 2.1 引言 |
| 2.2 常用的去噪、增强算法 |
| 2.2.1 基本的去噪方法 |
| 2.2.2 基本的锐化增强算法 |
| 2.2.3 神经元干细胞灰度图像的去噪、增强结果 |
| 2.3 基于直方图均衡化的增强算法 |
| 2.3.1 直方图均衡化的原理 |
| 2.3.2 直方图均衡化的定义和应用 |
| 2.4 基于形态滤波的增强算法 |
| 2.4.1 数学形态学基本理论和发展状况 |
| 2.4.2 基于多尺度的形态滤波 |
| 2.4.3 基于形态重构和改进的直方图均衡化的边界增强算法 |
| 2.5 均值平移滤波去除背景 |
| 2.5.1 均值平移滤波 |
| 2.5.2 基于均值平移滤波的背景去除 |
| 2.6 本章小结 |
| 第3章 基于边界检测的图像分割方法 |
| 3.1 引言 |
| 3.2 图像分割方法综述 |
| 3.2.1 图像分割的定义和分类 |
| 3.2.2基于边界的分割 |
| 3.2.3 基于区域的分割 |
| 3.2.4 基于特定理论的分割 |
| 3.3 基本的边界检测算子 |
| 3.3.1 常用的边界检测算子 |
| 3.3.2 实验结果 |
| 3.4 基于阈值边界检测和边界连接的细胞图像分割方法 |
| 3.4.1 阈值分割方法 |
| 3.4.2 边界连接算法 |
| 3.4.3 分割的实验结果和结论 |
| 3.5 本章小结 |
| 第4章 基于均值平移算法的图像分割方法 |
| 4.1 引言 |
| 4.2 均值平移算法的理论和应用 |
| 4.2.1 聚类算法 |
| 4.2.2 密度估计算法 |
| 4.2.3 均值平移(Mean Shift)算法 |
| 4.3 基于Mean Shift的边界检测和图像分割系统 |
| 4.3.1 基于Mean Shift的图像分割 |
| 4.3.2 嵌入置信度的边界检测 |
| 4.3.3 EDSION系统和实验结果 |
| 4.4 区域合并算法 |
| 4.5 组合均值平移和区域合并的细胞图像分割方法 |
| 4.5.1 分割步骤的流程图 |
| 4.5.2 组合分割中的区域合并方法 |
| 4.5.3 利用非凸模型进行形状修正 |
| 4.5.4 实验结果和分析 |
| 4.6 本章小结 |
| 第5章 基于特定理论的图像分割方法 |
| 5.1 引言 |
| 5.2 基于几何蛇模型的分割算法 |
| 5.2.1 活动轮廓模型的发展 |
| 5.2.2 参数蛇模型和几何蛇模型 |
| 5.2.3 水平集算法 |
| 5.2.4 应用水平集算法的几何蛇 |
| 5.2.5 改进的几何蛇模型分割细胞图像 |
| 5.3 基于分水岭和区域合并的细胞分割 |
| 5.3.1 分水岭算法的基本原理和实现 |
| 5.3.2 梯度矢量流 |
| 5.3.3 组合分水岭和基于梯度矢量流区域合并的细胞分割方法 |
| 5.4 分割评价标准和分割方法对比分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（3）基于形态学的图像分割方法的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 图像分割技术概述 |
| 1.2 图像分割方法 |
| 1.2.1 阈值分割方法 |
| 1.2.2 边缘检测分割方法 |
| 1.2.3 结合区域与边界信息的分割方法 |
| 1.2.4 其它结合特定理论工具的分割方法 |
| 1.2.5 特殊图像的分割方法 |
| 1.3 视频分割技术的发展现状 |
| 1.4 基于MPEG4编码技术特点视频对象分割技术的意义 |
| 1.5 数学形态学在图像分割中的优势 |
| 1.6 本文所作的工作和文章安排 |
| 第二章 数学形态学在图像处理中的基本理论 |
| 2.1 数学形态学在图象处理分析中的发展应用概况 |
| 2.2 数学形态学的二值膨胀和腐蚀 |
| 2.2.1 二值膨胀和腐蚀的定义 |
| 2.2.2 二值形态学腐蚀和膨胀的性质 |
| 2.3 二值形态学开闭运算及其性质 |
| 2.4 灰度形态学 |
| 2.5 灰度开和闭运算 |
| 第三章 基于数学形态学的边缘检测方法 |
| 3.1 图像边缘的定义 |
| 3.2 传统的边缘检测算子 |
| 3.3 形态学边缘检测 |
| 3.4 图像的多结构元、多尺度形态边缘检测 |
| 第四章 基于时空融合的视频对象分割方法 |
| 4.1 基于分水岭的空域分割 |
| 4.1.1 分水岭算法原理 |
| 4.1.2 分水岭算法的数学描述 |
| 4.1.3 分水岭算法的特点 |
| 4.2 形态学开闭重建 |
| 4.2.1 二值图像的重建 |
| 4.2.2 灰度图像重建 |
| 4.3 改进的形态学梯度重建的分水岭空域分割方法 |
| 4.3.1 形态学梯度算法 |
| 4.3.2 形态开闭重建滤波器 |
| 4.3.3 分水岭分割 |
| 4.4 时域分割技术 |
| 4.4.1 运动检测 |
| 4.5 时空联合视频对象提取方法 |
| 4.6 本文结合空域和时域分割优势的视频分割技术的提出 |
| 第五章 结论与展望 |
| 5.1 论文总结 |
| 5.2 未来工作的展望 |
| 感谢 |
| 参考文献 |
| 附录A(攻读学位期间发表论文目录) |
（4）基于分水岭与图论的图象分割技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 图象分割 |
| 1.1.2 图象分割的分类 |
| 1.2 课题的研究现状 |
| 1.2.1 基于边界的图象分割技术 |
| 1.2.2 基于区域的图象分割技术 |
| 1.3 图象分割研究的重点 |
| 1.4 论文主要工作和内容安排 |
| 2 数学形态学、分水岭算法原理及图论理论 |
| 2.1 数学形态学理论 |
| 2.1.1 数学形态学的产生与发展 |
| 2.1.2 集合论 |
| 2.1.3 数学形态学理论构成 |
| 2.1.4 二值形态学基本运算 |
| 2.1.5 灰度形态学基本运算 |
| 2.1.6 灰度形态学组合运算 |
| 2.2 分水岭原理及算法 |
| 2.2.1 分水岭概述 |
| 2.2.2 分水岭原理及常用算法介绍 |
| 2.3 图论理论 |
| 2.3.1 割集 |
| 2.3.2 图的最佳划分准则 |
| 2.3.3 图象的最佳分割准则 |
| 2.3.4 权函数 |
| 2.3.5 相似度矩阵、度矩阵及Laplacian矩阵 |
| 2.3.6 割集准则的比较 |
| 2.4 本章小结 |
| 3 基于新型GOC滤波器和比率切割的改进分水岭分割算法 |
| 3.1 问题的提出 |
| 3.2 论文改进算法的主要思想 |
| 3.3 基于改进GOC滤波器的分水岭分割预处理算法 |
| 3.3.1 滤波器的发展 |
| 3.3.2 改进GOC滤波器的定义 |
| 3.3.3 改进GOC滤波器的理论证明 |
| 3.4 Vincent-Soille分水岭算法进行初步图象分割 |
| 3.4.1 分水岭算法的数学描述 |
| 3.4.2 快速分水岭算法步骤 |
| 3.4.3 快速分水岭算法描述 |
| 3.5 基于比率切割的分水岭分割的后处理算法 |
| 3.5.1 Ratio Cut割集准则的重要概念 |
| 3.5.2 Ratio Cut缩减算法 |
| 3.5.3 后处理算法描述 |
| 3.6 本章小结 |
| 4 图象分割验证系统 |
| 4.1 图象分割系统的设计 |
| 4.1.1 图象变换模块 |
| 4.1.2 图象预处理模块 |
| 4.1.3 图象分割模块 |
| 4.2 图象分割系统的实验结果分析 |
| 4.2.1 传统分水岭算法的实验分析 |
| 4.2.2 改进GOC预处理算法的验证 |
| 4.2.3 基于比率切割的后处理改进算法的验证 |
| 4.3 本章小结 |
| 5 结论 |
| 5.1 本文的主要工作 |
| 5.2 未来工作的展望 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
| 参考文献 |
（5）重叠细胞分割技术研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 细胞图像分割研究现状 |
| 1.2.1 分割技术 |
| 1.2.2 基于数学形态学的细胞图像分割算法 |
| 1.3 研究问题的提出 |
| 1.4 本文完成的主要工作和组织结构 |
| 1.4.1 本文的主要工作 |
| 1.4.2 论文组织结构 |
| 第2章 图像分割 |
| 2.1 图像分割的定义 |
| 2.2 图像分割 |
| 2.2.1 基于区域的分割方法 |
| 2.2.2 基于边缘检测的分割方法 |
| 2.2.3 基于特定理论的分割方法 |
| 2.3 分割方法比较分析 |
| 2.4 本章小结 |
| 第3章 细胞图像分离算法 |
| 3.1 数学形态学的基本理论 |
| 3.2 分离算法 |
| 3.2.1 基于分离点搜索的分离算法 |
| 3.2.2 分水岭算法 |
| 3.3 分离算法比较分析 |
| 3.4 本章小结 |
| 第4章 一种改进的重叠细胞分离算法 |
| 4.1 基本概念 |
| 4.2 算法设计 |
| 4.3 边界剥离 |
| 4.4 基于边界剥离的距离变换 |
| 4.5 分水岭算法 |
| 4.6 算法结果 |
| 4.7 实验结果与分析 |
| 4.8 本章小结 |
| 总结 |
| 参考文献 |
| 攻读硕士期间发表的学术论文 |
| 致谢 |
（6）基于遗传算法的菌落图像分割（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 引言 |
| 1.1 本论文的研究目的和意义 |
| 1.2 菌落图像分割研究现状 |
| 1.3 本论文的主要工作 |
| 1.4 本论文的内容安排 |
| 第二章 遗传算法和图像分割方法 |
| 2.1 遗传算法 |
| 2.1.1 遗传算法的发展历史 |
| 2.1.2 遗传算法的应用 |
| 2.1.3 遗传算法概要 |
| 2.2 图像分割 |
| 2.2.1 图像分割定义 |
| 2.2.2 分割算法分类 |
| 2.2.3 基于灰度特征空间的阈值分割方法 |
| 2.2.4 基于区域的方法 |
| 2.2.5 基于边缘的方法 |
| 2.2.6 基于函数优化的方法 |
| 2.2.7 综合考虑边缘和区域的方法 |
| 2.2.8 研究中的图像分割新算法 |
| 2.3 本章小结 |
| 第三章 基于遗传算法的图像分割方法 |
| 3.1 基于遗传算法优化模糊C-均值算法的图像分割方法 |
| 3.2 基于遗传算法加速最大类间方差的图像分割方法 |
| 3.3 基于直方图熵和遗传算法(KSW-GA)的图像分割方法 |
| 3.4 基于遗传—神经网络(GA-BP)的图像分割方法 |
| 3.5 基于遗传—模拟退火算法(GA-SA)的图像分割方法 |
| 3.6 实验结果与分析 |
| 3.7 本章小结 |
| 第四章 菌落图像处理及分割 |
| 4.1 系统简介 |
| 4.2 系统组成 |
| 4.3 预处理 |
| 4.4 菌落图像分割 |
| 4.5 孔洞填充 |
| 4.6 边缘检测修正边界 |
| 4.7 形态学处理 |
| 4.8 菌落数量的统计 |
| 4.9 本章小结 |
| 第五章 菌落分析计数系统的改进 |
| 5.1 新方法处理菌落图像 |
| 5.2 两种方法的实验结果比较 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的研究成果 |
| 攻硕期间参与的项目 |
（7）基于偏微分方程的数字图象处理的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 数字图象处理概述 |
| 1.1.1 图象处理技术框架 |
| 1.1.2 数字图象处理技术的数学背景 |
| 1.2 基于PDE的数字图象处理 |
| 1.2.1 PDE在图象处理中的导出 |
| 1.2.2 PDE数字图象处理的发展历程 |
| 1.2.3 PDE数字图象处理的优点 |
| 1.2.4 相关专题、着作与科研机构 |
| 1.3 论文的研究重点与组织结构 |
| 第2章 数学理论基础 |
| 2.1 图象的数学解释 |
| 2.1.1 图象的连续模型 |
| 2.1.2 图象的离散模型 |
| 2.1.3 图象的数学算子 |
| 2.2 平面微分几何 |
| 2.2.1 向量分析 |
| 2.2.2 平面曲线 |
| 2.3 偏微分方程理论基础 |
| 2.3.1 偏微分方程的基本概念 |
| 2.3.2 极值原理 |
| 2.3.3 粘性解 |
| 2.4 变分与梯度下降流 |
| 2.4.1 变分问题 |
| 2.4.2 变分问题的梯度下降法求解 |
| 2.5 数值分析 |
| 2.5.1 有限差分法概述 |
| 2.5.2 有限差分法的数值分析 |
| 2.6 本章小结 |
| 第3章 图象恢复 |
| 3.1 图象的退化模型──从变分角度出发 |
| 3.2 图象正则化 |
| 3.2.1 概述 |
| 3.2.2 Tikhonov正则化、各向同性扩散与尺度空间 |
| 3.3 P-M各向异性扩散 |
| 3.3.1 P-M扩散流的各向异性分析 |
| 3.3.2 P-M扩散方程的不适定性 |
| 3.3.3 g(s)函数的选择准则 |
| 3.4 P-M各向异性扩散与鲁棒统计 |
| 3.5 图象恢复的变分法 |
| 3.6 图象恢复的变分全变差模型 |
| 3.6.1 全变差与有界变差函数空间 |
| 3.6.2 ROF TV变分恢复模型 |
| 3.6.3 分步迭代的拉各朗日参数的选取策略 |
| 3.6.4 本文算法在去噪去模糊TV模型中的推广 |
| 3.6.5 TV图象恢复模型的总结 |
| 3.7 Osher-Rudin的激波滤波器 |
| 3.8 本章小结 |
| 第4章 图象分割 |
| 4.1 Caselles-Kimmel-Sapiro的测地活动轮廓 |
| 4.1.1 从snakes活动轮廓模型谈起 |
| 4.1.2 测地活动轮廓模型的提出 |
| 4.1.3 测地活动轮廓模型的逐项分析 |
| 4.1.4 测地活动轮廓的算法改进 |
| 4.1.5 测地活动轮廓的数值实现改进 |
| 4.2 Mumford-Shah分割模型 |
| 4.2.1 M-S泛函的解的存在性与正则性 |
| 4.2.2 M-S泛函的数值逼近 |
| 4.2.3 用水平集理论数值求解M-S分割模型 |
| 4.2.4 M-S分割模型的性能总结 |
| 4.3 基于snakes搜索的活动形状模型 |
| 4.3.1 ASM模型的搜索步骤 |
| 4.3.2 改进的基于snakes的ASM搜索策略 |
| 4.4 本章小结 |
| 第5章 PDE的数值求解—有限差分法 |
| 5.1 椭圆型PDE的边值问题的数值求解 |
| 5.2 一阶双曲型PDE初值问题的数值求解 |
| 5.2.1 迎风格式与CFL稳定条件 |
| 5.2.2 Hamilton-Jacobi方程的数值离散化 |
| 5.3 二阶抛物型PDE的数值求解 |
| 5.4 本章小结 |
| 第6章 总结 |
| 参考文献 |
| 在读期间发表的学术论文与取得的研究成果 |
| 致谢 |
（8）细胞图像的分割与计数（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 细胞自动诊断仪器的发展 |
| 1.2.2 细胞图像分割方法的发展 |
| 1.2.2.1 阈值分割法 |
| 1.2.2.2 基于数学形态学分割法 |
| 1.2.2.3 边缘检测 |
| 1.2.2.4 基于区域的分割 |
| 1.2.2.5 基于神经网络的分割算法 |
| 1.2.2.6 彩色图像分割 |
| 1.2.2.7 基本分割方法总结 |
| 1.3 研究设想 |
| 2 细胞分割算法 |
| 2.1 目标提取 |
| 2.1.1 彩色图像分割 |
| 2.1.2 实验分析与结论 |
| 2.1.3 灰度图像分割 |
| 2.2 基于链码的基本粘连细胞的分割 |
| 2.2.1 链码的定义 |
| 2.2.2 链码的基本应用 |
| 2.2.3 基于链码的轮廓跟踪的步骤 |
| 2.2.4 粘连细胞的分割 |
| 2.2.5 实验分析及结论 |
| 2.3 非链式粘连细胞的分割 |
| 2.3.1 线长直方图 |
| 2.3.2 圆心的估计 |
| 2.3.3 圆心点的分类 |
| 2.3.4 分割步骤 |
| 2.3.5 实验分析与结论 |
| 2.4 图像分割前后处理及分割中的几个问题 |
| 2.4.1 孔洞填充 |
| 2.4.2 去除非细胞区域 |
| 2.4.3 中值滤波 |
| 2.5 本章小结 |
| 3 细胞图像的特征提取 |
| 3.1 细胞几何特征描述 |
| 3.2 细胞计数 |
| 3.3 本章小结 |
| 4 结论 |
| 4.1 全文总结 |
| 4.2 创新点 |
| 4.3 研究展望 |
| 参考文献 |
| 攻读硕士期间科研成果简介 |
| 发表论文 |
| 参加研究的课题 |
| 致谢 |
（9）淋病显微细胞图象分析识别技术的研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 显微图象的国内外研究现状 |
| 1.3 本课题来源 |
| 1.4 本课题的目的和意义 |
| 1.5 本文的主要研究工作 |
| 第2章 淋病显微细胞图象预处理 |
| 2.1 细胞图象表示 |
| 2.1.1 图象数字化 |
| 2.1.2 位图结构 |
| 2.1.3 图象灰度化 |
| 2.2 细胞图象增强处理 |
| 2.2.1 灰度变换 |
| 2.2.2 图象的平滑 |
| 2.2.3 直方图修正 |
| 2.3 本章小结 |
| 第3章 淋病显微细胞图象分割 |
| 3.1 图象分割的基本概念及方法 |
| 3.1.1 边缘检测分割 |
| 3.1.2 纹理分割 |
| 3.1.3 基于特定理论的分割 |
| 3.1.4 基于区域的分割 |
| 3.1.5 阈值分割 |
| 3.2 改进的二维OTSU 阈值分割算法 |
| 3.2.1 二维OTSU 阈值分割算法 |
| 3.2.2 改进的二维OTSU 阈值算法 |
| 3.3 应用数学形态学进行分割后处理 |
| 3.4 本章小结 |
| 第4章 淋病显微细胞图象的识别 |
| 4.1 淋病显微细胞图象的自动计数研究 |
| 4.1.1 局部邻域算法 |
| 4.1.2 图象标号算法 |
| 4.2 图象的特征 |
| 4.2.1 图象的形态特征 |
| 4.2.2 图象的特征选择 |
| 4.3 实验结果 |
| 4.4 本章小结 |
| 第5章 淋病诊断系统开发 |
| 5.1 淋病诊断系统介绍 |
| 5.2 Visual C++与Matlab 混合编程方法 |
| 5.2.1 使用Matlab Engine |
| 5.2.2 利用mex 程序 |
| 5.2.3 利用Matlab 编译器 |
| 5.2.4 利用COM 生成器 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
四、基于测地形态学进行细胞图象分割的新方法（论文参考文献）
- [1]堆石混凝土施工管理中视觉信息的处理方法及应用研究[D]. 沈乔楠. 清华大学, 2010(08)
- [2]神经元干细胞灰度图像的分割算法研究[D]. 刘金梅. 哈尔滨工程大学, 2009(02)
- [3]基于形态学的图像分割方法的研究与应用[D]. 胡媛媛. 昆明理工大学, 2008(03)
- [4]基于分水岭与图论的图象分割技术研究[D]. 浦晶. 辽宁工程技术大学, 2008(09)
- [5]重叠细胞分割技术研究[D]. 卢艳芝. 湖南师范大学, 2008(11)
- [6]基于遗传算法的菌落图像分割[D]. 罗旺. 电子科技大学, 2007(05)
- [7]基于偏微分方程的数字图象处理的研究[D]. 朱才志. 中国科学技术大学, 2007(08)
- [8]细胞图像的分割与计数[D]. 王筱艳. 四川大学, 2007(05)
- [9]淋病显微细胞图象分析识别技术的研究与实现[D]. 王玥玥. 哈尔滨理工大学, 2006(01)
- [10]基于显微视觉技术的生物细胞图像处理研究进展[A]. 温程璐,王蓬勃,李伟. 农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第三分册, 2005