一、基于分水岭算法的双向凝胶电泳图像分割（论文文献综述）
张嘉文[1]（2021）在《微流控液滴检测方法研究与实现》文中指出新冠肺炎（SARS-CoV-2）于2019年12月底爆发,并于2020年陆续席卷全球,严重危害人类公共卫生安全,对人类医疗卫生体系产生巨大挑战。由于SARS-CoV-2传染性强、致病率高,快速、准确诊断并且进行控制显得至关重要。由于具有检测灵敏度高、特异性高的显着优势,核酸检测作为此次疫情的重要检测手段得到了广泛应用。聚合酶链式反应（Polymerase Chain Reaction,PCR）技术作为科研与临床中广为使用的一种核酸检测方法,至今已经迭代到第三代。其中,第一代PCR是传统的终点PCR技术,可实现核酸定性检测。第二代PCR 是实时定量荧光 PCR 技术（real-time quantitative PCR,qPCR）可实现核酸的相对定量检测。第三代PCR技术为数字PCR技术（digital PCR,dPCR）,数字PCR作为液滴技术的一个典型应用案例,通过在微液滴环境下,实现对单个核酸模板的核酸扩增,由此实现高灵敏度和特异性的绝对定量核酸检测。微液滴作为生化反应的微反应器,具有高通量、低试剂消耗、无交叉污染、反应均一等优点。在微液滴技术中,采用对液滴进行直接计数的方法进行结果的定量分析。早期的液滴计数往往人工完成,其准确度与效率受到显着局限。为了实现各类不同应用场景下,准确、高效的液滴计数,新型液滴检测与计数方法的研究具有重要的现实意义。为了实现液滴的自动化检测,提高检测准确度与效率,本文基于计算机视觉,研究了一种复杂度低、成本低、灵敏度高的液滴检测识别方法,能够针对明场液滴、荧光液滴,通过图像拼接与识别算法,实现高效精准的液滴检测与识别。基于图像分析算法,研究并实现了用于液滴检测计数的分析系统。首先,研究并实现了用于检测微流控芯片上液滴的图像采集装置,结合荧光激发模块,实现了对微流控芯片中液滴的整体图像采集;其次,研究了图像拼接算法,结合液滴检测需求,对多种拼接算法进行了对比分析,尤其对SIFT（Scale-invariant feature transform）算法在液滴图像拼接中的应用进行了深入研究;再次,研究了液滴图像识别算法,针对液滴检测识别特点,研究改善了液滴识别准准确度,对荧光液滴与明场液滴识别率达到99.2%以上。本文针对液滴识别检测,研究了针对性强,简单、可靠、准确的图像识别算法,可达到与分水岭算法相当的识别正确率,而其算法复杂度低于分水岭算法;最后,针对液滴检测应用,研究并实现了液滴检测与分析软件,与液滴检测装置相互配合,实现了液滴的自动化检测。实验结果表明,本文研究实现的微流控液滴检测系统,能够实现各类不同环境下,明场液滴、荧光液滴准确、高效的检测、识别与计数。
李东明[2]（2021）在《医学显微细胞图像分割研究》文中研究指明医学显微细胞图像处理涵盖了人工智能、图像处理、计算机视觉、生物医学等领域,在临床诊断过程中发挥着重要作用。通过对医学显微细胞图像分割来量化细胞行为,这对组织细胞分类、细胞变异、DNA损伤检测、血液学、癌症研究等生物医学研究具有重要价值。本文以课题组自建人类口腔黏膜细胞图像数据库作为图像源,主要围绕基于结构光照明的荧光显微成像系统设计与细胞图像获取、医学显微细胞图像增强处理以及医学显微细胞图像分割方法开展研究工作。主要研究内容及成果如下:1.完成了基于结构光照明的荧光显微成像系统的设计与细胞图像获取。通过分析光学成像过程中衍射极限分辨率问题,结合结构光照明荧光显微成像过程及图像重构算法,建立结构光照明生成方案,提出了一种基于DMD及LED的二维宽场结构光照明荧光显微光学成像系统,通过该系统对口腔黏膜细胞进行超分辨成像,并对成像系统进行标定,实现SIM超分辨成像。这是后续医学显微细胞图像后处理的前提和关键。2.建立了一种基于双树复小波变换及形态学的鲁棒的医学显微细胞图像增强方法。首先对获取的医学显微细胞图像进行预处理;然后,引入双树复小波变换策略,将医学显微细胞图像分解为高通子带和低通子带;接着,提出一种基于小波域的Contourlet变换的高通子带去噪方法,结合Bayesian Shrink原理获得阈值,然后改进去噪方法,考虑邻域局部相关性,采用自适应最优阈值实现去噪;对于低通子带增强,提出了一种基于改进形态学top-hat变换法,它可以自适应地实现等效百分比增强和多尺度多方向变换。最后,对上述处理后的增强的低频子图像和高频子图像采用逆DTCWT变换,得到增强后的医学显微细胞图像。3.建立了一种新的加权曲率和灰度距离变换的粘连细胞图像分割方法。该方法以双阈值迭代法计算细胞、细胞核阈值,采用分水岭变换实现细胞图像的三分类的初分割。以此为基础,通过轮廓点曲率计算,建立分割线,提出了一种关联灰度图像的距离变换方法,通过阈值法获得标记图像;接着,采用标记控制的分水岭变换进行二次分割,实现粘连细胞分割。实验结果表明,该方法对于复杂的粘连细胞有较好的分割效果。4.建立了一种基于图模型的多分类医学显微细胞图像分割方法。以图模型和卷积型多尺度融合FCN网络为基础,建立过分割细胞图像的多树模型,提出一种基于图模型的分割方法,结合多树模型的先验信息,求解多树模型的后验的封闭形式解决方案,搭建图像分割网络框架,建立图像质量评价函数。实验验证表明,基于图模型的细胞图像分割方法,提取的细胞边界平滑,能连续地提取出双核细胞,同时能够很好地分割细胞核及背景信息,与人工标注图像轮廓非常接近。5.建立了一种基于神经常微分方程的医学显微细胞图像分割方法。该方法以U-Net卷积神经网络模型为基础,通过做对比实验,确定将常微分方程ODE模块加入到U-Net网络中的具体位置,提出了一种基于神经常微分方程及U-Net的细胞图像分割网络模型（简称为NODEs-Unet网络架构）;然后通过调整ODE模块的误差容忍度增加网络深度,提出一种基于NODEs-Unet网络的二元分割网络（简称为2NODEs-Unet）。实验验证表明,基于神经常微分方程的细胞图像分割方法在不增加网络模型的参数的情况下,增加了网络模型的深度,且计算复杂度低,能够成功地分割出背景、细胞和细胞核,边界清晰、细节完整,非常接近于人工标注。
罗鹏[3]（2021）在《角膜图像采集与混浊度分类算法的研究》文中认为目的:死亡时间客观且准确的推断是法医学研究的重点和难点,对于重大刑事案件的侦破具有重要意义。角膜混浊是死后早期一种重要的变化,一直应用于法医学领域死亡时间推断。角膜混浊程度随死亡时间延长而发生规律性变化,在数字图像中表现为图像颜色和纹理的变化。本研究的目的即是设计一款专用于角膜的图像采集装置,并基于角膜混浊程度的变化规律设计一种分类算法对其进行客观量化,将算法固化到装置中实现实时分析,从而推断死者的死亡时间。方法:本研究基于图像处理、特征工程、机器学习等技术建立分类模型,实现了对角膜混浊度的客观量化,并将算法固化到硬件设备中实现实时分析。首先设计了一台角膜图像采集装置,同时为了便于操作、隔绝外界光源,我们还为其搭配设计了光学镜筒与操控软件。然后利用本研究所设计的图像处理算法从原始图像中自动分割角膜区域,根据事先经验提取其颜色特征和纹理特征,再通过特征选择去除无关特征及冗余特征。基于支持向量机、朴素贝叶斯、K最邻近法、决策树、随林森林、Adaboost 6种算法我们使用优化后的特征集合建立多分类模型。使用Precision、Sensitivity、F1分数评估模型的性能,从中选取性能最优的模型,最后将其固化到图像采集装置中,实时分析角膜混浊图像。结果:使用本研究设计的装置采集了4只猪死后左眼角膜图像,图像清晰且无反光点。对采集到的每张图像提取1097个特征,利用特征选择,去除971个无关特征及冗余特征,保留126个有关特征,优化了原始特征集合。在6种多分类模型中,Adaboost模型性能最优,无混浊、轻度混浊、中度混浊、重度混浊四分类的平均准确率为0.981,实现了对角膜混浊度的客观量化。结论:本研究设计的分类算法可根据死后角膜的图像特征对角膜混浊度进行分类,从而推断死亡时间。本研究设计的图像采集装置可以隔绝外界光源干扰,避免反光点的形成,通过操控软件调用分类算法分析角膜混浊度,将采集图像与实时分析功能融为一体,对于加快死亡时间推断具有重要意义。
邱梦凯[4]（2019）在《数字PCR液滴识别方法的研究与实现》文中提出液滴数字PCR是在传统PCR技术基础上的第三代技术,该技术主要是经过聚合酶链式反应（PCR）,通过对液滴图像的识别与检测来对DNA中的核酸分子进行精确的定量即绝对定量。但在以往对液滴图像识别结果读出的过程中,通常采取人工查数的方式,这种情况下往往会因为极其庞大的核酸数量而造成统计困难,或是在反应核酸液滴极少的情况下容易出现识别失误。本文针对上述情况,通过对数字PCR液滴图像进行相关处理以及算法优化提高识别效率,从液滴图像采集到完成一系列图像处理来实现液滴的精确识别。本文共从三个方面着手来提高液滴图像识别的精度:第一个方面从图像灰度化、图像平滑去噪和基于分数阶微分的图像增强等方面对液滴图像进行预处理;第二个方面为基于粒子群优化的阈值液滴图像检测,将粒子群优化结合大津法进行液滴分割,并将得到的二值图像进行形态学优化;第三个方面为基于分水岭算法与Canny边缘检测的合并,简介分水岭算法的原理和各类边缘检测算子,并将距离变换结合分水岭分割并与改进的Canny边缘检测合并,通过最终图像识别能得出算法优化的可行性。实验结果表明,通过优化的算法,在对液滴进行检测分析时,在边缘增强方面能得到非常好的效果,在液滴图像的识别中能够精准识别出图像中液滴的数量以及大小,对荧光与非荧光的识别率达到了94.7%以上,极大的提高了PCR检测效率、有效缩短了识别时间和识别的错误率,对数字PCR的识别检测有着重要意义。
欧巧凤[5]（2018）在《二维凝胶电泳图像中一致蛋白质斑点集检测技术研究》文中研究说明蛋白质组学是在组织或细胞整体水平上探索蛋白质组动态变化与生理病理过程的关系,为临床诊治、新药开发和环境污染分析提供依据。二维凝胶电泳（two-dimensional gel electrophoresis,2DGE）技术是目前最有应用价值的蛋白质组分离技术。一致蛋白质斑点集检测是2DGE技术的核心内容。本文在国家自然科学基金的资助下,深入研究了2DGE图像配准和预处理方法,以及蛋白质斑点检测和匹配方法,具体的研究工作和取得的创新成果包括:（1）为了提高一致蛋白质斑点集检测的准确度,提出了基于CSIFT（classified scale-invariant feature transform）的2DGE图像配准方法。首先,提取每张2DGE图像的SIFT特征点;然后,利用透视变换模型将图像的SIFT特征点分为内点和外点两类,再利用几何相似度原理进一步将外点分为真假外点两个子类;最后,将内点和假外点作为薄板样条（thin plate spline,TPS）变换的控制点,实现2DGE图像间的弹性配准,利用同一样品多张2DGE图像之间的冗余提高CPSS检测准确度。通过对不同来源的真实2DGE图像的配准实验,验证了本文方法对缩放、旋转、噪声、光照差异和成像时的视角差异等因素具有更高的稳定性;通过对比实验,结果表明本文方法优于传统2DGE图像配准方法,配准精度高达94%以上,且无需手动输入任何参数。（2）针对脉冲噪声和人工干扰导致蛋白质斑点误检测的问题,提出了基于局部极小值分类的脉冲噪声和人工干扰去除方法。首先,采用h-极小值变换方法检测2DGE图像局部极小值;其次,利用局部极小值邻域梯度差异识别脉冲噪声和人工干扰极小值;再次,提出方向均值滤波方法重建脉冲噪声和人工干扰极小值像素;最后,通过迭代检测和重建实现脉冲噪声和人工干扰的去除。通过多组合成和真实2DGE图像的去噪实验表明,本文方法的开关滤波特性大幅度减小了对图像有用信息的损害;从m SSIM客观评价、蛋白质斑点中心极小值正确检测率和主观评价三个指标来看,本文方法综合优于现有方法;滤波前的2DGE图像蛋白质斑点中心极小值正确检测率只有66.31%,经过本文方法滤波后的正确检测率高达98.12%。针对2DGE图像整体或局部亮度差异导致蛋白质斑点量化不准确的问题,提出了邻域梯度区间直方图均衡（neighbouring grad section histogram equalization,NGSHE）的图像亮度校正方法,克服了现有亮度校正方法存在2DGE图像背景区域过度增强的问题;提出了基于背景灰度曲面拟合的背景消减方法,减少了背景不均引起的蛋白质斑点量化误差。针对高斯噪声影响蛋白质斑点边缘定位精度的问题,对比研究了多种高斯噪声滤波器用于2DGE图像的性能,通过对比实验结果和分析发现,经典高斯滤波器最适用于2DGE图像高斯噪声去除。（3）针对传统标记分水岭方法存在标记不准导致蛋白质斑点分割不准的问题,提出了一种改进的内外标记分水岭方法。首先,利用深色背景中的噪声统计规律,提出了分层检测蛋白质斑点中心极小值作为内标记的方法,提高了蛋白质斑点中心检测准确度;然后,采用灰度标记和距离标记融合的方法提取外标记,解决了距离外标记切割蛋白质斑点问题以及灰度标记相互包含的问题。通过多组检测实验表明,该方法的蛋白质斑点正确检测率大于89.10%,明显高于传统标记分水岭方法。上述改进分水岭方法对单个蛋白质斑点检测效果很好,但依然存在无法分离重度重叠蛋白质斑点的问题。因此,本文提出了一种基于山谷特征的重叠蛋白质斑点分离方法,通过提取骨架、建立拓扑结构和扫描山谷特征确定重叠蛋白质斑点的分离线。实验表明本文方法可以有效分离传统分离方法不能分离的重度重叠蛋白质斑点。（4）为了提高蛋白质斑点匹配准确度,提出了渐进式协同蛋白质斑点匹配方法。首先,采用相似度图分析方法选取蛋白质斑点的坐标特征、灰度特征和形状上下文特征;其次,对确定型蛋白质斑点进行灰度分层,在同层灰度子空间中搜索配准图像中坐标k-近邻斑点作为候选匹配点;再次,根据形状上下文特征相似度最大准则确定双向匹配结果,匹配成功的斑点作为地标点,失败的斑点加入疑似型蛋白质斑点队列;最后,基于多图、多地标点和多特征对疑似蛋白质斑点进行协同校验。实验结果表明,本文方法有效克服了传统蛋白质斑点检测和匹配方法过早使用阈值引起的漏检,蛋白质斑点的正确匹配率约为98%。上述成果已应用于本课题组开发的国内首款2DGE图像分析软件Protein Master1.1,该软件目前已经被多家公司和高校应用,取得了良好的效果。本文的研究成果为2DGE图像中一致蛋白质斑点集检测提供了新的理论和方法。
张明[6]（2017）在《凝胶图像蛋白点分割算法研究》文中研究表明蛋白质是生命活动的基础,对其功能及表达水平等方面的研究具有重要的价值,而快速发展的蛋白质组学成为生物系统研究的一个新方向。将蛋白质有效的分离出来是对其表达模式分析的前提,它是利用双向凝胶电泳技术平台来操作运行,依靠蛋白质在凝胶中水平维度上等电点的不同和竖直维度上分子量之间的差异特征实现,最终输出的是一幅数字灰度图像。在这幅图像中含有成千上万个形状和大小各不相同的蛋白质点,其中每个点代表了一个蛋白质,并且这些点都是以不同灰度级的形式表现出来。凝胶图像的分析过程主要包括:蛋白点的分割与检测,蛋白点的表达量化、匹配等过程,其中,蛋白点分割占据着非常重要的地位,不准确的分割会严重影响后续对蛋白质表达变化的分析,因此,本论文重点研究了对凝胶图像的分割算法。本论文的主要工作如下:（1）研究了不同的滤波技术主要包括空域滤波、改进的NL-means算法和引导滤波器,概述了其相关原理并分别对凝胶图像进行实验仿真。同时,与处理后的凝胶图像剖面图相结合,进一步对上述滤波算法处理的效果做出对比分析,并作为选择滤波算法的依据。（2）将传统的图像分割算法（基于阈值、分水岭和水平集算法）和基于模糊聚类的算法应用于凝胶图像的分割中,并利用真实的凝胶图像对上述几种算法进行实验,通过对比观察实验结果来分析各种算法的分割效果,为下一步的研究提供基础。（3）凝胶图像上蛋白点并不是均匀分布且部分点的边界灰度与背景之间的对比并不是特别明显,由此将核模糊聚类算法引入到凝胶图像的分割中并对其进行改进。首先将引导滤波器与形态学方法结合起来,一方面用于对图像进行降噪处理以降低噪声的干扰,另一方面用于提高图像中蛋白点与背景之间的对比差异;然后在核函数中引入一个权值向量,与此同时利用样本方差来合理的计算核参数值,使核参数具有一定的自适应度;最后将改进后的核函数引入到模糊聚类算法里面,从而最终完成凝胶图像的聚类分割。在此过程中,分别利用模拟和真实的凝胶图像进行实验,并与其他算法做对比分析,验证了本论文算法的分割效果明显优于对比算法,在一定程度上能够分割出更多的微弱蛋白点,提高了凝胶图像分割的精度和准确性。
赵福娟[7]（2017）在《2-DE图像重叠蛋白点检测算法研究》文中指出蛋白质组学在揭示细胞生命过程规律中发挥越来越重要的作用。双向凝胶电泳（2-DE）技术是一种非常重要的蛋白质组学研究技术。2-DE图像分析处理的目标是快速识别单个蛋白质点,以及一组凝胶图像样本中的表达差异的蛋白质。蛋白点的检测是2-DE图像基于计算机处理过程的基础环节,由于2-DE图像的复杂性及制作过程中存在的干扰因素,使得蛋白质点的检测成为一个复杂又耗时的难题。本论文以2-DE图像中重叠蛋白质点的检测为研究重点,提出两种重叠蛋白质点的检测方法,主要研究内容如下:（1）研究了2-DE图像蛋白质点预检测方法。对比研究了均值滤波,中值滤波和高斯滤波等空间滤波算法,采用高斯滤波算法对凝胶图像去噪,降低噪声对凝胶图像后续蛋白质点检测的影响;对比研究了基于阈值、基于分水岭算法、基于区域生长的蛋白质点预分割方法,采用基于区域生长算法对蛋白质点进行预检测,得到清晰的蛋白质点边界。（2）提出了基于凹区匹配的重叠蛋白质点分割方法。首先获得重叠蛋白质点图像的凸闭包结构,并通过凸闭包与原二值图的差值获得重叠蛋白质点的凹区;其次根据重叠蛋白质点的重叠模型对凹区进行两两配对;然后根据匹配的凹区之间的最短欧式距离来确定凹点;最后通过连接凹点对实现重叠蛋白质点的分离。此方法不再从原始蛋白质点边界轮廓上提取凹点,而是从凹区的轮廓上提取凹点,明显减小了凹点搜寻的范围及处理的像素数量,提高了重叠蛋白质点分割的速度。实验表明,该算法在轻度重叠及重叠复杂度较小的情况下,分离效果较好。（3）提出了基于角点检测与多边形近似相结合的重叠蛋白质点分割方法。首先采用Harris角点检测法得到重叠蛋白质点边界的所有角点;其次为降低蛋白质点边界上干扰凹点的影响,将边界的角点作为特征点,利用基于角点的多边形近似算法对重叠蛋白质点边界进行多边形近似表示;然后通过判断多边形顶点的凹凸性来判断角点的凹凸性进而获得凹角点;最后提出凹点匹配准则,并从凹角点中选取真正的凹点并构造分离线,实现对重叠蛋白质点的精确分割。该算法实现简单,不需要多次腐蚀与膨胀运算,最大程度保持蛋白质点边缘。实验结果表明,与基于凹区匹配的算法相比,该算法提取的凹点的误差更小,对重叠蛋白质点的分离更加准确,同时对重度重叠及重叠复杂度较大的蛋白质点也有显着的分离效果。
张明,黄发忠,辛化梅,冷严[8]（2017）在《基于模糊聚类的微弱蛋白点分割算法》文中提出通过分析凝胶蛋白图像的特点,提出一种基于模糊核C均值聚类（KFCM）分割算法的改进算法。首先使用引导滤波器对图像进行滤波并增强图像对比度,然后通过KFCM算法对图像聚类,最后采用最大隶属原则去模糊化,实现最优分割,在此过程中引入样本方差来计算σ值。凝胶蛋白图像分割实验表明,算法具有更好的自适应性和分割精度。
魏洁[9]（2015）在《凝胶图像重叠蛋白质点的分割方法研究》文中指出蛋白质组学作为后基因组时代的一个重要研究内容，对于探索生命奥秘以及疾病的鉴定和药物对生命过程的影响具有重要的意义。其中，研究蛋白质组学表达模式的核心方法是双向凝胶电泳技术。随着生物科学和医学的不断发展，凝胶图像的计算机分析已经成为一种不可或缺的技术手段。凝胶图像计算机分析过程包括凝胶电泳图像预处理、蛋白点检测、蛋白质点匹配和统计分析等，其中蛋白质点检测是分析过程的重要环节之一，其精确程度影响着蛋白质点统计分析的效果。有效的蛋白质点分割方法可以提高检测的准确度，并且能够获取蛋白质点的各种信息（大小，体积，形状等），对于蛋白质点后续的定量、匹配以及统计分析具有重要的意义。本论文主要针对凝胶图像中的重叠蛋白质的分离方法进行研究。已有的蛋白质点检测方法主要包括基于分水岭和基于形状特征的方法，在基于蛋白质点预处理基础上，本论文提出利用基于区域跟踪的蛋白质点预分割以及基于最小周长多边形近似方法（MPP）的重叠蛋白质点分割方法，对重叠蛋白质点进行了有效分割。本论文的主要研究工作如下：（1）研究了凝胶电泳图像预处理的方法，利用中值滤波、均值滤波、高斯滤波等空域滤波方法以及改进的非局部均值（Non Local means）算法对凝胶图像进行预处理；改进的NL-means算法根据像素间的相似度来进行去噪，使得凝胶图像在去噪的同时，细节和边缘等方面得到了保护。（2）研究了蛋白质点预分割的方法，分别利用微分边缘检测算子以及边界跟踪算法对凝胶图像蛋白质点进行预分割，得到蛋白质点的初始轮廓。基于边界跟踪的算法是从区域一个边缘点出发，通过搜索标记所有边缘点，进而将所有边界点连接得到边缘的算法，能够比较精确的得到目标边缘，并且将得到的边缘信息压缩，同时具有一定的去噪效果，该算法得到闭合的蛋白质点边缘，对于蛋白质点进一步的形状、大小等统计分析具有更好的效果。（3）提出了利用多边形近似方法对重叠蛋白点进行分割的方法。根据数字图像中区域面积及周长的性质，利用形状判定参数对预分割得到的蛋白质点边缘进行判定；利用最小周长多边形近似原理对重叠蛋白质点边缘进行多边形近似表示，进而根据多边形边的线性性质判定顶点的凹凸性以及内角大小；对于得到的蛋白质点边缘的凹点，根据凹点匹配的原则，将蛋白质点边缘的凹点进行匹配，确定分离线，对重叠蛋白质点进行有效分离。该算法基于预分割中边界跟踪得到的蛋白质点边界进行，得到凝胶图像中独立的蛋白质点的分布，对后续蛋白质点的研究奠定了基础。
黄周伟[10]（2014）在《2D-GE图像弱蛋白点和重叠蛋白点检测方法研究》文中提出差异蛋白质点提取是2D-GE图像分析的核心内容，蛋白质点检测是差异蛋白质点提取的关键步骤，能够为疾病诊断、药物研制和环境污染分析提供依据。目前，如何正确识别凝胶图像上的弱点和重叠点是2D-GE图像分析领域中的热点和难点。本课题在国家自然科学基金、江西省自然科学基金和江西省研究生创新基金的联合资助下，针对凝胶图像中的弱点和重叠点检测进行了深入的研究，主要工作内容和研究成果如下：（1）研究了2D-GE图像预处理方法。为了消除凝胶图像噪声的干扰，对比研究了NLM去噪方法和传统空间、形态学、小波等其他去噪方法，并通过去噪实验验证了NLM方法具有较好的去噪效果。为了消除凝胶图像背景不均的影响，采用高帽变换法校正图像背景，通过对光照不均和条纹干扰图像的背景校正实验，验证了该方法的有效性。（2）研究了基于图像增强的分水岭蛋白质点初检测算法。首先，为了有效检测出凝胶图像上的弱点，采用高帽变换和CLAHE增强算法对凝胶图像进行增强，提高蛋白质点区域的对比度；然后，采用标记分水岭法对增强后的图像进行初检测，获取蛋白质点区域轮廓。通过对不同种类的真实凝胶图像进行实验，结果表明，该算法具有较高的正确检测率，有效改善了弱点漏检问题，但仍存在重叠点难分离的现象，需进一步研究。（3）研究了基于形状特征的重叠蛋白质点分割算法。首先，采用基于图像增强的分水岭蛋白质点初检测算法，提取蛋白质点轮廓信息；其次，结合蛋白质点灰度信息和形状特征，自适应提取蛋白质点形状标记；然后，采用完全欧式距离变换算法计算形状距离图；最后，再次采用标记分水岭法对形状距离图进行分割，实现重叠点的精确分离。通过对不同种类的真实凝胶图像进行实验，结果表明，该算法检测效果明显优于商用软件PDQuest8.0.1和累积梯度分水岭方法，有效地改善了弱点漏检和重叠点不易分离的问题，且具有较高的分离精度，可满足实际应用的要求。
二、基于分水岭算法的双向凝胶电泳图像分割（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、基于分水岭算法的双向凝胶电泳图像分割（论文提纲范文）
（1）微流控液滴检测方法研究与实现（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 微流控液滴PCR技术 |
| 1.2.1 PCR技术 |
| 1.2.2 微流控技术 |
| 1.2.3 微流控液滴PCR |
| 1.3 可用于微流控液滴检测的图像分析算法 |
| 1.3.1 图像特征点检测算法 |
| 1.3.1.1 SIFT算法原理 |
| 1.3.1.2 SURF算法原理 |
| 1.3.1.3 ORB算法原理 |
| 1.3.2 图像分割算法 |
| 1.3.2.1 分水岭检测算法介绍 |
| 1.3.2.2 hough圆检测算法介绍 |
| 1.4 国内外研究现状 |
| 1.4.1 PCR检测技术研究现状 |
| 1.4.2 微流控液滴检测技术研究现状 |
| 1.5 论文主要内容与结构安排 |
| 第二章 液滴检测系统的研究与实现 |
| 2.1 液滴检测系统的整体设计 |
| 2.2 液滴图像采集平台的研究与实现 |
| 2.2.1 主控模块 |
| 2.2.2 相机模块 |
| 2.2.3 运动模块 |
| 2.2.4 光源模块 |
| 2.3 液滴图像分析软件研究与实现 |
| 2.3.1 软件研制平台介绍 |
| 2.3.1.1 VS平台介绍 |
| 2.3.1.2 opencv库介绍 |
| 2.3.1.3 MySQL数据库介绍 |
| 2.3.1.4 QT框架介绍 |
| 2.3.2 功能模块介绍 |
| 2.3.2.1 图像捕获模块 |
| 2.3.2.2 图像拼接模块 |
| 2.3.2.3 图像识别模块 |
| 2.3.2.4 数据库模块 |
| 2.4 本章小结 |
| 第三章 微流控液滴图像拼接算法研究 |
| 3.1 图像拼接算法原理 |
| 3.1.1 拼接算法 |
| 3.1.2 图像配准方法研究 |
| 3.1.3 图像融合方法研究 |
| 3.2 基于特征的配准算法研究 |
| 3.2.1 特征点检测算法性能对比 |
| 3.2.1.1 亮度对比度变化测试 |
| 3.2.1.2 旋转变化测试 |
| 3.2.1.3 分辨率变化测试 |
| 3.2.1.4 斜切测试 |
| 3.2.2 算法性能比较与分析 |
| 3.3 图像拼接算法的研究与实现 |
| 3.3.1 图像配准 |
| 3.3.1.1 特征点检测 |
| 3.3.1.2 特征点匹配 |
| 3.3.1.3 变换矩阵计算 |
| 3.3.2 图像融合 |
| 3.3.2.1 坐标变换 |
| 3.3.2.2 图像拼接 |
| 3.4 本章小结 |
| 第四章 微流控液滴图像识别算法研究 |
| 4.1 明场液滴图像检测算法研究与实现 |
| 4.1.1 图像预处理 |
| 4.1.1.1 液滴图像灰度化 |
| 4.1.1.2 灰度图像直方图均衡化 |
| 4.1.1.3 灰度图像二值化 |
| 4.1.1.4 二值图像高斯滤波 |
| 4.1.2 轮廓检测 |
| 4.1.2.1 边缘检测 |
| 4.1.2.2 轮廓识别 |
| 4.1.3 轮廓筛选 |
| 4.1.3.1 基于面积及周长的轮廓筛选 |
| 4.1.3.2 基于角点检测的轮廓筛选 |
| 4.1.4 结果分析与统计 |
| 4.2 荧光液滴图像检测算法研究与实现 |
| 4.2.1 图像预处理 |
| 4.2.2 轮廓分离 |
| 4.2.3 结果分类 |
| 4.2.4 结果分析与统计 |
| 4.3 本章小结 |
| 第五章 微流控液滴检测方法的实验验证 |
| 5.1 图像拼接算法实验验证 |
| 5.2 明场液滴识别算法实验验证及分析 |
| 5.2.1 明场液滴识别算法实验验证 |
| 5.2.2 明场液滴识别算法对比分析 |
| 5.2.3 实验结果对比与分析 |
| 5.3 荧光液滴识别算法实验验证及分析 |
| 5.3.1 油包水荧光液滴图像识别验证 |
| 5.3.2 微井荧光液滴图像识别验证 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者及导师介绍 |
| 附件 |
（2）医学显微细胞图像分割研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 医学图像分类及医学显微成像技术概述 |
| 1.2.1 医学图像的分类 |
| 1.2.2 不同类型的显微成像技术 |
| 1.2.3 结构光照明荧光显微成像技术 |
| 1.3 医学显微细胞图像分割的研究现状 |
| 1.3.1 手动分割技术 |
| 1.3.2 半自动分割技术 |
| 1.3.3 自动分割技术 |
| 1.4 论文的课题来源及组织结构 |
| 1.4.1 论文的课题来源 |
| 1.4.2 论文的组织结构 |
| 第2章 基于结构光照明的荧光显微成像系统设计与图像获取 |
| 2.1 荧光显微成像技术 |
| 2.1.1 荧光显微成像原理 |
| 2.1.2 荧光显微镜工作原理 |
| 2.2 衍射极限分辨率 |
| 2.3 结构光照明荧光显微成像原理 |
| 2.3.1 基于结构光照明的荧光显微镜结构 |
| 2.3.2 结构光照明荧光显微镜成像算法 |
| 2.4 二维宽场结构光照明荧光显微光学成像系统设计 |
| 2.4.1 结构光照明生成方案及光路设计 |
| 2.4.2 LED光源 |
| 2.4.3 数字微镜阵列DMD |
| 2.4.4 本系统的其他关键器件 |
| 2.5 结构光生成模块设计 |
| 2.6 医学显微细胞图像获取 |
| 2.6.1 成像系统标定 |
| 2.6.2 口腔粘膜细胞的成像实验 |
| 2.7 口腔黏膜细胞显微图像的特点 |
| 2.8 本章小结 |
| 第3章 基于双树复小波变换及形态学的医学显微细胞图像增强方法 |
| 3.1 医学图像增强方法概述 |
| 3.2 医学显微细胞图像增强算法流程 |
| 3.3 双树复小波变换(DTCWT)的基本原理 |
| 3.4 基于DTCWT及形态学的医学显微细胞图像增强算法 |
| 3.4.1 WBCT法对高通子带去噪 |
| 3.4.2 改进的形态学top-hat变换法对低通子带增强 |
| 3.4.3 医学显微细胞图像增强算法实现 |
| 3.5 实验结果与分析 |
| 3.5.1 实验设置 |
| 3.5.2 细胞图像增强结果主观评价 |
| 3.5.3 细胞图像增强结果客观评价 |
| 3.6 本章小结 |
| 第4章 基于加权曲率和灰度距离变换的粘连医学显微细胞图像分割方法 |
| 4.1 分水岭变换 |
| 4.2 快速的双阈值标记分水岭变换的图像分割方法 |
| 4.2.1 双阈值迭代法构建标记图像 |
| 4.2.2 双阈值标记分水岭变换的图像分割算法实现 |
| 4.3 基于加权曲率和灰度距离变换的粘连细胞图像分割方法 |
| 4.3.1 判断粘连细胞 |
| 4.3.2 曲率计算及确定凹点 |
| 4.3.3 建立分割线 |
| 4.3.4 关联灰度细胞图像的距离变换 |
| 4.3.5 基于加权曲率和灰度距离变换的粘连细胞图像分割算法实现步骤 |
| 4.3.6 粘连细胞核的分割方法 |
| 4.4 粘连细胞图像分割实验结果及分析 |
| 4.4.1 粘连细胞图像分割结果主观评价 |
| 4.4.2 粘连细胞图像分割结果客观评价 |
| 4.5 本章小结 |
| 第5章 基于图模型的医学显微细胞图像分割方法 |
| 5.1 多树模型建立 |
| 5.1.1 图模型概述 |
| 5.1.2 多树模型的建立 |
| 5.2 增加先验信息的多树图 |
| 5.3 标签推理 |
| 5.4 构建基于卷积多尺度融合FCN的多树深度特征 |
| 5.4.1 卷积型多尺度融合FCN网络 |
| 5.4.2 基于卷积型多尺度融合FCN的细胞图像分割框架 |
| 5.5 医学显微细胞图像分割实验结果及分析 |
| 5.5.1 图像数据扩充和实验环境 |
| 5.5.2 评价指标 |
| 5.5.3 实验结果及分析 |
| 5.6 本章小结 |
| 第6章 基于神经常微分方程的医学显微细胞图像分割方法 |
| 6.1 U-Net网络 |
| 6.2 神经常微分方程 |
| 6.2.1 神经网络知识 |
| 6.2.2 神经常微分方程 |
| 6.3 构建基于NODEs的神经网络模型 |
| 6.3.1 ODE模块位置 |
| 6.3.2 NODEs-Unet神经网络架构 |
| 6.3.3 基于NODEs-Unet网络的二元分割 |
| 6.4 细胞图像分割实验结果及分析 |
| 6.4.1 本章提出的网络架构分割结果 |
| 6.4.2 细胞图像分割实验结果 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文主要工作 |
| 7.2 论文创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 致谢 |
（3）角膜图像采集与混浊度分类算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略语 |
| 1 前言 |
| 1.1 课题研究背景及意义 |
| 1.2 角膜混浊度客观量化算法的研究进展 |
| 1.3 本文研究的主要内容 |
| 1.4 本文研究的主要目的及创新性 |
| 2 材料与方法 |
| 2.1 材料 |
| 2.2 图像采集装置设计 |
| 2.2.1 硬件主体设计 |
| 2.2.2 光学镜筒设计 |
| 2.2.3 软件设计 |
| 2.3 算法设计 |
| 2.3.1 数据集介绍 |
| 2.3.2 图像预处理 |
| 2.3.3 特征提取 |
| 2.3.4 特征选择 |
| 2.3.5 建立多分类模型 |
| 3 结果 |
| 3.1 图像采集装置设计结果 |
| 3.2 算法结果 |
| 4 讨论 |
| 5 结论 |
| 本研究创新性的自我评价 |
| 参考文献 |
| 综述 基于眼部特征的死亡时间推断 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简历 |
（4）数字PCR液滴识别方法的研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 数字PCR技术原理 |
| 1.4 液滴数字PCR技术 |
| 1.4.1 数字PCR原理 |
| 1.4.2 数字PCR检测流程 |
| 1.4.3 PCR荧光定量原理 |
| 1.5 论文主要内容和结构安排 |
| 第2章 液滴图像预处理的研究 |
| 2.1 液滴图像的采集 |
| 2.2 彩色图像的灰度化 |
| 2.3 图像去噪 |
| 2.3.1 均值滤波 |
| 2.3.2 中值滤波 |
| 2.4 基于分数阶微分掩模的液滴图像增强 |
| 2.4.1 分数阶微分的定义 |
| 2.4.2 分数阶微分对图像的影响 |
| 2.4.3 基于8 方向分数阶微分掩模的算法研究 |
| 2.4.4 预处理图像结果分析 |
| 2.5 本章小结 |
| 第3章 基于粒子群优化的PCR阈值分割算法 |
| 3.1 基于阈值的图像分割算法 |
| 3.1.1 一维OSTU阈值分割 |
| 3.1.2 二维OSTU阈值分割 |
| 3.2 粒子群优化算法理论基础 |
| 3.2.1 最优解的概述 |
| 3.2.2 粒子群算法简介 |
| 3.3 粒子群算法的应用 |
| 3.4 基于改进粒子群算法的阈值算法实现 |
| 3.4.1 适应度函数的选择 |
| 3.4.2 粒子群优化算法流程及实验分析 |
| 3.5 分割图像的形态学优化 |
| 3.6 本章小结 |
| 第4章 基于分水岭分割的改进边缘检测及识别方法研究 |
| 4.1 分水岭分割理论简介 |
| 4.1.1 分水岭分割算法介绍 |
| 4.1.2 直接分水岭分割的缺点 |
| 4.2 基于距离变换的分水岭分割方法 |
| 4.2.1 距离变换 |
| 4.2.2 基于优化距离变换的分水岭分割 |
| 4.3 PCR图像的边缘检测算法研究 |
| 4.3.1 各类边缘检测算子对比研究 |
| 4.3.2 基于优化Canny算子的液滴图像边缘检测 |
| 4.4 基于分水岭分割的改进边缘检测算法 |
| 4.5 荧光包裹液滴识别方法研究 |
| 4.5.1 液滴识别算法设计 |
| 4.5.2 荧光包裹液滴识别实验及分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（5）二维凝胶电泳图像中一致蛋白质斑点集检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词 |
| 1 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 2DGE图像处理技术研究现状 |
| 1.2.1 2DGE图像预处理方法 |
| 1.2.2 蛋白质斑点检测方法 |
| 1.2.3 2DGE图像配准方法 |
| 1.2.4 蛋白质斑点匹配方法 |
| 1.2.5 蛋白质斑点的定量表示方法 |
| 1.3 本文的主要研究工作及内容安排 |
| 1.4 本文的创新与贡献 |
| 2 基于CSIFT的2DGE图像弹性配准方法 |
| 2.1 引言 |
| 2.2 2DGE图像处理流程改进 |
| 2.3 2DGE图像几何形变特点分析 |
| 2.4 2DGE图像的SIFT特征选取 |
| 2.5 双阈值SIFT特征点的检测 |
| 2.6 基于内点的全局粗配准 |
| 2.7 基于内点和假外点的弹性配准 |
| 2.8 实验结果及分析 |
| 2.8.1 实验参数设定 |
| 2.8.2 SIFT特征点分类实验 |
| 2.8.3 不同来源的真实2DGE图像配准实验 |
| 2.8.4 与现有2DGE图像配准方法的对比实验 |
| 2.8.5 配准精度评估 |
| 2.9 本章小结 |
| 3 基于极小值分类的2DGE图像脉冲噪声和人工干扰去除方法 |
| 3.1 引言 |
| 3.2 2DGE图像干扰特点分析 |
| 3.3 基于局部极小值开关的2DGE图像去噪流程 |
| 3.4 基于局部极小值分类的噪声检测器 |
| 3.4.1 局部极小值检测和一级分类 |
| 3.4.2 DOME检测和二级分类 |
| 3.4.3 局部极小值的三级分类 |
| 3.5 自适应H极小值变换 |
| 3.6 脉冲噪声像素点的重建 |
| 3.7 极小值的迭代检测和滤波 |
| 3.8 实验结果及分析 |
| 3.8.1 合成2DGE图像脉冲噪声去除实验 |
| 3.8.2 中等复杂程度脉冲噪声和人工干扰去除实验 |
| 3.8.3 复杂脉冲噪声和人工干扰去除实验 |
| 3.9 本章小结 |
| 4 2DGE图像蛋白质斑点量化预处理方法 |
| 4.1 引言 |
| 4.2 基于NGSHE的2DGE图像亮度校正方法 |
| 4.3 基于灰度曲面拟合的2DGE图像背景消减 |
| 4.4 高斯噪声滤波器对比研究 |
| 4.4.1 常规线性滤波器 |
| 4.4.2 边界保持滤波器 |
| 4.4.3 时频域联合滤波器 |
| 4.4.4 基于块匹配的BM3D滤波法 |
| 4.5 实验结果及分析 |
| 4.5.1 亮度校正实验 |
| 4.5.2 高斯噪声去除对比实验 |
| 4.6 本章小结 |
| 5 基于改进标记分水岭的蛋白质斑点检测方法 |
| 5.1 引言 |
| 5.2 基于多参数H极小值变换的内标记提取方法 |
| 5.3 基于数据融合的外标记提取方法 |
| 5.3.1 背景标记数据提取 |
| 5.3.2 距离标记数据提取 |
| 5.3.3 数据融合 |
| 5.4 分水岭分割 |
| 5.5 蛋白质斑点梯度带校验 |
| 5.6 重叠点分割 |
| 5.6.1 基于凹点和椭圆拟合的重叠点分割 |
| 5.6.2 基于山谷特征的重叠点分割 |
| 5.7 实验结果及分析 |
| 5.7.1 蛋白质斑点中心检测实验 |
| 5.7.2 外标记融合实验 |
| 5.7.3 蛋白质斑点粗检测及校验实验 |
| 5.7.4 重叠点分割实验 |
| 5.8 本章小结 |
| 6 蛋白质斑点的协同匹配与量化方法 |
| 6.1 引言 |
| 6.2 蛋白质斑点的协同匹配方法 |
| 6.2.1 基于相似度图分析的特征选取方法 |
| 6.2.2 蛋白质斑点特征及其相似度 |
| 6.2.3 搜索及匹配策略 |
| 6.2.4 蛋白质斑点协同校验 |
| 6.3 蛋白质斑点量化 |
| 6.3.1 基于形态参数的蛋白质斑点量化 |
| 6.3.2 基于模型的蛋白质斑点量化 |
| 6.4 实验结果及分析 |
| 6.4.1 蛋白质斑点匹配实验 |
| 6.4.2 蛋白质斑点量化实验 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 攻读博士期间科研工作及论文 |
| 致谢 |
（6）凝胶图像蛋白点分割算法研究（论文提纲范文）
| 摘要 |
| Abstarct |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 蛋白质组学概述 |
| 1.1.2 蛋白质组学的主要研究方法 |
| 1.2 国内外研究现状 |
| 1.2.1 双向凝胶电泳图像的分析软件 |
| 1.2.2 双向凝胶电泳图像分割技术 |
| 1.3 论文研究工作及内容 |
| 1.4 本章小结 |
| 第二章 双向凝胶图像的预处理 |
| 2.1 空域图像滤波 |
| 2.1.1 均值滤波 |
| 2.1.2 中值滤波 |
| 2.1.3 高斯滤波 |
| 2.2 改进的非局部均值算法 |
| 2.3 图像引导滤波器 |
| 2.4 实验结果及分析 |
| 2.5 本章小结 |
| 第三章 双向凝胶图像分割算法的比较研究 |
| 3.1 传统双向凝胶图像分割算法 |
| 3.1.1 基于阈值的凝胶图像分割 |
| 3.1.2 基于分水岭的蛋白点检测算法 |
| 3.1.3 基于水平集的蛋白点检测算法 |
| 3.2 模糊聚类算法在凝胶图像分割中的应用 |
| 3.2.1 模糊C均值聚类算法 |
| 3.2.2 带信息约束项的模糊C均值算法 |
| 3.2.3 模糊局部信息C均值聚类算法 |
| 3.2.4 实验仿真结果与分析 |
| 3.3 本章小结 |
| 第四章 基于核模糊聚类的凝胶图像分割算法 |
| 4.1 核模糊聚类算法 |
| 4.1.1 核函数方法的基本理论 |
| 4.1.2 基于核模糊聚类的凝胶图像分割算法 |
| 4.1.3 实验仿真结果与分析 |
| 4.2 改进的核模糊聚类凝胶图像分割算法 |
| 4.2.1 基于改进的核模糊聚类算法 |
| 4.2.2 分割算法的实现步骤 |
| 4.2.3 实验结果与分析 |
| 4.2.3.1 模拟凝胶图像实验结果 |
| 4.2.3.2 真实凝胶图像实验结果 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间参与科研项目 |
| 攻读硕士学位期间发表的学术论着 |
| 致谢 |
（7）2-DE图像重叠蛋白点检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 蛋白质点检测方法 |
| 1.2.2 重叠蛋白质点检测方法 |
| 1.3 论文的研究工作及内容安排 |
| 1.4 本章小结 |
| 第二章 2-DE图像蛋白质点预分割 |
| 2.1 概述 |
| 2.2 双向凝胶电泳图像降噪 |
| 2.2.1 空域滤波降噪 |
| 2.2.2 降噪算法结果分析 |
| 2.3 蛋白质点预检测 |
| 2.3.1 基于阈值的蛋白质点预分割 |
| 2.3.2 基于改进分水岭算法的蛋白质点预分割 |
| 2.3.3 基于区域生长的蛋白质点预分割 |
| 2.4 本章小结 |
| 第三章 基于凹区匹配的重叠蛋白质点分割方法 |
| 3.1 概述 |
| 3.2 凸闭包与凹区提取 |
| 3.3 基于凹区匹配的重叠蛋白质点分割 |
| 3.3.1 蛋白质点重叠模型分析 |
| 3.3.2 凹点搜寻 |
| 3.3.3 确定分离线 |
| 3.4 实验结果及分析 |
| 3.4.1 模拟蛋白质点图像 |
| 3.4.2 真实蛋白质点图像 |
| 3.5 本章小结 |
| 第四章 基于角点检测与多边形近似相结合的重叠蛋白质点分割方法 |
| 4.1 概述 |
| 4.2 Harris角点检测 |
| 4.2.1 Harris检测原理 |
| 4.2.2 Harris检测结果 |
| 4.3 基于角点的多边形近似 |
| 4.3.1 多边形近似算法 |
| 4.3.2 基于角点的多边形近似 |
| 4.4 凹角点判定 |
| 4.4.1 角点凹凸性判断 |
| 4.4.2 多边形顶点凹凸性判断 |
| 4.5 凹点选取与匹配 |
| 4.5.1 凹点匹配准则 |
| 4.5.2 分离线的确定 |
| 4.6 实验结果及分析 |
| 4.6.1 模拟蛋白质点图像 |
| 4.6.2 真实蛋白质点图像 |
| 4.6.3 实验结果对比评价 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间参与科研项目 |
| 攻读硕士学位期间发表和已投稿的论文 |
| 致谢 |
（8）基于模糊聚类的微弱蛋白点分割算法（论文提纲范文）
| 1 引言 |
| 2 改进的基于KFCM分割方法 |
| 2.1 模糊核C均值算法 |
| 2.2 基于KFCM算法凝胶蛋白图像分割问题的实现 |
| 3 凝胶蛋白图像分割仿真及分析 |
| 3.1 模拟凝胶蛋白图像实验测试 |
| 3.2 真实凝胶蛋白图像的实验测试 |
| 3.3 算法的分割结果评估 |
| 4 结语 |
（9）凝胶图像重叠蛋白质点的分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究工作及内容安排 |
| 1.4 本章小结 |
| 第二章 蛋白质凝胶电泳图像 |
| 2.1 双向凝胶电泳技术 |
| 2.2 双向凝胶电泳图像的获得 |
| 2.3 蛋白质点检测分析过程 |
| 2.4 本章小结 |
| 第三章 凝胶电泳图像的预处理 |
| 3.1 概述 |
| 3.2 空域滤波去噪 |
| 3.3 改进非局部均值算法 |
| 3.4 实验及结果分析 |
| 3.5 本章小结 |
| 第四章 凝胶电泳图像蛋白质点预分割 |
| 4.1 概述 |
| 4.2 蛋白质点边缘提取 |
| 4.2.1 图像分割基本原理 |
| 4.2.2 基于边缘检测算子的蛋白质点预分割 |
| 4.2.2.1 微分边缘检测算子 |
| 4.2.2.2 Canny 边缘检测算子 |
| 4.3 基于区域跟踪的凝胶蛋白质点预分割 |
| 4.3.1 区域跟踪算法 |
| 4.3.2 实验结果分析 |
| 第五章 基于多边形近似的重叠蛋白质点分割方法 |
| 5.1 概述 |
| 5.2 重叠蛋白质点的判定 |
| 5.2.1 重叠判定参数 |
| 5.2.2 重叠点模型 |
| 5.3 多边形近似算法 |
| 5.3.1 图像的边界表示 |
| 5.3.2 多边形近似算法 |
| 5.4 凹点判别 |
| 5.4.1 凹点的定义 |
| 5.4.2 凹点的判定 |
| 5.5 分离线的确定 |
| 5.6 实验结果及分析 |
| 5.6.1 模拟凝胶图像 |
| 5.6.2 真实凝胶图像 |
| 第六章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间参与科研项目 |
| 攻读硕士学位期间发表和已投稿的论文 |
| 致谢 |
（10）2D-GE图像弱蛋白点和重叠蛋白点检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 2D-GE 技术 |
| 1.2.2 2D-GE 图像分析软件 |
| 1.2.3 蛋白质点检测方法 |
| 1.2.4 存在的问题 |
| 1.3 本文的主要研究内容和结构安排 |
| 第二章 2D-GE 图像预处理 |
| 2.1 概述 |
| 2.2 图像去噪 |
| 2.2.1 空间去噪 |
| 2.2.2 形态学去噪 |
| 2.2.3 小波去噪 |
| 2.2.4 非局部均值去噪 |
| 2.3 背景校正 |
| 2.4 实验及结果分析 |
| 2.4.1 去噪方法对比实验及结果分析 |
| 2.4.2 背景校正实验 |
| 2.5 本章小结 |
| 第三章 基于图像增强的分水岭蛋白质点初检测 |
| 3.1 概述 |
| 3.2 分水岭变换 |
| 3.2.1 分水岭变换基本原理 |
| 3.2.2 常用分水岭分割方法 |
| 3.3 图像增强 |
| 3.3.1 基于高帽变换的图像增强 |
| 3.3.2 基于 CLAHE 的图像增强 |
| 3.4 基于内外标记分水岭的蛋白质点初检测 |
| 3.5 实验及结果分析 |
| 3.6 本章小结 |
| 第四章 基于形状特征的重叠蛋白质点分割算法 |
| 4.1 概述 |
| 4.2 重叠蛋白质点模型分析 |
| 4.3 形状标记提取 |
| 4.3.1 蛋白质点区域二值化 |
| 4.3.2 蛋白质点区域距离变换 |
| 4.3.3 自适应提取形状标记 |
| 4.4 重叠蛋白质点分割 |
| 4.4.1 形状距离变换 |
| 4.4.2 基于形状距离变换的分水岭分割 |
| 4.5 蛋白质点量化分析 |
| 4.6 实验及结果分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 研究工作展望 |
| 参考文献 |
| 攻读硕士学位期间参与的科研项目和成果 |
| 致谢 |
四、基于分水岭算法的双向凝胶电泳图像分割（论文参考文献）
- [1]微流控液滴检测方法研究与实现[D]. 张嘉文. 北京化工大学, 2021
- [2]医学显微细胞图像分割研究[D]. 李东明. 长春理工大学, 2021
- [3]角膜图像采集与混浊度分类算法的研究[D]. 罗鹏. 中国医科大学, 2021(02)
- [4]数字PCR液滴识别方法的研究与实现[D]. 邱梦凯. 沈阳理工大学, 2019(03)
- [5]二维凝胶电泳图像中一致蛋白质斑点集检测技术研究[D]. 欧巧凤. 西北工业大学, 2018(02)
- [6]凝胶图像蛋白点分割算法研究[D]. 张明. 山东师范大学, 2017(01)
- [7]2-DE图像重叠蛋白点检测算法研究[D]. 赵福娟. 山东师范大学, 2017(01)
- [8]基于模糊聚类的微弱蛋白点分割算法[J]. 张明,黄发忠,辛化梅,冷严. 计算机与数字工程, 2017(03)
- [9]凝胶图像重叠蛋白质点的分割方法研究[D]. 魏洁. 山东师范大学, 2015(09)
- [10]2D-GE图像弱蛋白点和重叠蛋白点检测方法研究[D]. 黄周伟. 南昌航空大学, 2014(07)