| 【中文题名】 | 基于人工神经网络的血液细胞图像分割方法研究 |
| 【英文题名】 | Research on the Algorithm of Artificial Neural Network for Segmentation of Blood Cells Image |
| 【学科专业】 | 光学工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-1 |
| 【中关键词】 | BP神经网络,数学形态学,阈值分割,中值滤波,特征提取,模式识别 |
| 【英关键词】 | BP Neural Network,Mathematical Morphology,Threshold Process,Median Filtering,Feature Extraction,Pattern Recognition, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
随着计算机科学技术的发展,计算机在医学领域也得到了广泛的应用。其中的计算机辅助医疗外科技术以及计算机辅助诊断技术越来越受到人们的关注,尤其是在医学显微图像处理方面。传统的医学显微检测,它的工作效率低、工作强度大,存在主观的观察误差,对检测员的技术水平要求较高;加之它只能通过显微摄影进行图像记录,不能对图像进行必要的处理,不能快速存贮和再现,更不能通过网络远距离传输图像信息,因而已经远远不适应信息时代发展的新要求。而现代光电转换、计算机硬件、数据和图像处理软件等技术已经可以实现真彩色数字化医学显微图像的显示。在此基础上,针对血液细胞的具体观测要求,将难以观测的显微镜视场光学图像变成显示在计算机屏幕的大面积、高亮度、真彩色的经过自动识别的图像,以减轻专业技术人员在显微镜下从成千上万个目标中寻找、观测、捕捉异常小体等的劳动强度,并对观测细胞进行定量的色彩、形态等参数的分析和统计,辅助医生进行医疗诊断,使现代发展的迫切要求。本论文的研究工作主要围绕着BP神经网络的数字图像处理技术展开的,重点探讨了BP神经网络用于彩色血液细胞识别的可行性,并且用VC++实现了基于本方法的彩色细胞自动计数系统。
本论文... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-9 |
|
第一章 绪论 |
9-15 |
|
1.1 研究的目的和意义 |
9-10 |
|
1.2 彩色细胞图像处理 |
10-13 |
|
1.2.1 细胞图像处理 |
10-11 |
|
1.2.2 色彩空间 |
11-12 |
|
1.2.3 彩色细胞图像识别方法 |
12-13 |
|
1.3 本文的主要内容及创新之处 |
13-15 |
|
1.3.1 本论文的主要内容 |
13-14 |
|
1.3.2 本论文的主要创新点 |
14-15 |
|
第二章 人工神经网络技术 |
15-31 |
|
2.1 人工神经网络概述 |
15-19 |
|
2.1.1 人工神经网络发展现状 |
15-17 |
|
2.1.2 人工神经网络特点 |
17-18 |
|
2.1.3 人工神经网络的分类 |
18 |
|
2.1.4 人工神经网络的应用 |
18-19 |
|
2.2 生物神经元系统 |
19-20 |
|
2.3 人工神经网络基本理论 |
20-31 |
|
2.3.1 人工神经元模型 |
20-21 |
|
2.3.2 激活转移函数 |
21-23 |
|
2.3.3 神经网络学习方法 |
23-26 |
|
2.3.4 几种常见的神经网络 |
26-31 |
|
第三章 彩色细胞图像预处理技术 |
31-51 |
|
3.1 数字图像处理概述 |
31-33 |
|
3.1.1 数字图像处理的发展和应用 |
31 |
|
3.1.2 数字图像处理方法 |
31-32 |
|
3.1.3 数字图像处理特点 |
32 |
|
3.1.4 数字图像处理领域的发展动向 |
32-33 |
|
3.2 彩色细胞图像处理基本知识 |
33-47 |
|
3.2.1 人的视觉系统及色彩原理 |
33-39 |
|
3.2.2 图像处理系统 |
39-47 |
|
3.3 形态学在细胞处理中的应用 |
47-51 |
|
3.3.1 形态学概述 |
47-48 |
|
3.3.2 数学形态学运算 |
48-51 |
|
第四章 彩色图像特征提取和目标识别步骤 |
51-57 |
|
4.1 目标特征提取 |
51-53 |
|
4.1.1 特征分类 |
51-52 |
|
4.1.2 特征三要素 |
52 |
|
4.1.3 特征提取的方法 |
52-53 |
|
4.2 目标识别 |
53-57 |
|
4.2.1 统计模式识别 |
53-55 |
|
4.2.2 神经网络识别方法 |
55 |
|
4.2.3 面积分布特征的计算 |
55-57 |
|
第五章 实时应用系统的实现 |
57-64 |
|
5.1 细胞自动计数系统的工作原理 |
57-58 |
|
5.2 细胞计数系统的结构 |
58-64 |
|
5.2.1 系统硬件 |
58-60 |
|
5.2.2 系统软件 |
60-64 |
|
第六章 总结和展望 |
64-66 |
|
6.1 工作总结 |
64 |
|
6.2 讨论与展望 |
64-66 |
|
参考文献 |
66-70 |
|
攻读硕士期间发表的论文 |
70 |
|
攻读硕士期间参与的科研项目和获得的奖励 |
70-71 |
|
致谢 |
71-72 |
|
| 【DOI】 | LunWen.ID:2.2008.388757 |
