文摘
英文文摘
学位论文独创性声明及关于学位论文使用授权的说明
第一章绪论
§1.1基于STM概念上的AFM的发展
§1.2 AFM的工作原理
§1.3 AFM的应用
§1.3.1 AFM在生物医学中的应用
§1.3.2AFM在研究DNA结合蛋白质中的应用
§1.4本文的研究目标和内容
参考文献
第二章AFM图像的预处理
§2.1 AFM图像的特点
§2.2图像的格式转换
§2.3 AFM图像的滤波
§2.3.1图像的均值滤波
§2.3.2图像的高斯滤波
§2.3.3图像的中值滤波
§2.3.4三种滤波算法的结果比较
§2.4图像分割
§2.4.1 AFM图像的阈值分割
§2.4.2最大熵阈值分割法
§2.4.3局部阈值分割法
§2.4.4最大熵阈值分割法与局部阈值分割法的比较
§2.5图像细化
§2.5.1图像的细化算法
§2.5.2健壮性并行细化算法
§2.5.3数学形态学细化算法
§2.5.4两种细化算法在AFM图像处理中的应用及比较
§2.6细化图像的去噪处理
§2.7本章小结
参考文献
第三章AFM图像中DNA分子长度及蛋白质位点的计算
§3.1 AFM图像中的DNA分子的长度的计算
§3.1.1堆栈法
§3.1.2基于连续方向角的序列跟踪算法
§3.2AFM图像中蛋白质位点信息的计算
§3.2.1 AFM图像中蛋白质位点的判断
§3.2.2蛋白质位点信息的计算
§3.2.3人工干预蛋白质位点的选取
§3.3分析结果输出
§3.4结果比较及分析
第四章AFM图像分析系统的实现
§4.1需求分析
§4.1.1功能需求
§4.1.2软硬件需求
§4.1.3性能需求
§4.2系统设计
§4.2.1 IPL
§4.2.2总体设计
§4.3系统实现
§4.3.1 AFMIAS系统的界面
§4.3.2 AFMIAS系统的使用
§4.4测试
§4.4.1测试用例
§4.4.2测试结果
第五章总结与展望
§5.1总结
§5.2展望
参考文献
附页测试用图像
致谢
东南大学;
DNA结合蛋白质; 原子力显微镜; 最大熵阈值分割法; 局部阈值分割法; 健壮型细化算法; 数学形态学细化算法; 序列跟踪算法;