多鼠自发活动跟踪研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究意义 | 第9页 |
| ·研究现状 | 第9-11页 |
| ·本文主要研究内容 | 第11-12页 |
| ·论文的结构安排 | 第12-13页 |
| 第二章 多鼠自发活动跟踪研究理论基础 | 第13-17页 |
| ·阈值分割 | 第13页 |
| ·阈值分割基本概念 | 第13页 |
| ·阈值分割方法 | 第13页 |
| ·目标识别方法 | 第13-15页 |
| ·基于学习的方法 | 第13-14页 |
| ·基于模板的方法 | 第14-15页 |
| ·目标跟踪方法 | 第15-16页 |
| ·基于模型的跟踪 | 第15页 |
| ·基于区域的跟踪 | 第15-16页 |
| ·基于特征的跟踪 | 第16页 |
| ·基于轮廓的跟踪 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第三章 改进的二维 Otsu 实验鼠分割算法 | 第17-26页 |
| ·形态学图像预处理 | 第17-19页 |
| ·基本形态学操作 | 第17-18页 |
| ·膨胀和腐蚀的组合 | 第18-19页 |
| ·二维Otsu 阈值分割算法 | 第19-21页 |
| ·改进的二维Otsu 的阈值分割算法 | 第21-24页 |
| ·改进阈值计算区域划分 | 第21-22页 |
| ·改进阈值识别函数 | 第22-24页 |
| ·实验结果与分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 基于感兴趣区加权分层梯度直方图检测算法 | 第26-34页 |
| ·梯度方向直方图 | 第26页 |
| ·SVM 支持向量机原理 | 第26-27页 |
| ·基于感兴趣区加权分层梯度直方图的实验鼠检测算法 | 第27-31页 |
| ·实验鼠感兴趣区提取 | 第27-28页 |
| ·感兴趣区加权分层HOG 特征提取 | 第28-31页 |
| ·SVM 训练分类 | 第31-32页 |
| ·样本特征提取 | 第31页 |
| ·训练流程 | 第31-32页 |
| ·检测结果与分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第五章 基于参数化变形轮廓模型的跟踪算法 | 第34-42页 |
| ·多鼠遮挡问题 | 第34-35页 |
| ·实验鼠参数化变形轮廓模型 | 第35-37页 |
| ·基于参数化变形轮廓模型的实验鼠跟踪算法 | 第37-38页 |
| ·实验鼠跟踪步骤 | 第37-38页 |
| ·监督模块 | 第38页 |
| ·实验结果与分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第六章 结束语 | 第42-44页 |
| ·主要工作总结 | 第42-43页 |
| ·将来工作的展望 | 第43-44页 |
| 参考文献 | 第44-49页 |
| 攻读硕士学位期间出版或发表的论著、论文 | 第49-50页 |
| 致谢 | 第50页 |
