| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 目标提取 | 第12-13页 |
| 1.2.2 骨架提取 | 第13-14页 |
| 1.2.3 骨架剪枝 | 第14页 |
| 1.2.4 基于骨架的形状分解 | 第14-15页 |
| 1.3 存在的主要问题 | 第15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 研究方法与技术路线 | 第16-17页 |
| 1.5.1 研究方法 | 第16页 |
| 1.5.2 技术路线 | 第16-17页 |
| 1.6 论文组织结构 | 第17-19页 |
| 第2章 基于深度图像的奶牛目标提取方法研究 | 第19-30页 |
| 2.1 深度图像与Kinect传感器 | 第19-24页 |
| 2.1.1 深度图像 | 第19-21页 |
| 2.1.2 Kinect传感器 | 第21-24页 |
| 2.2 奶牛深度图像获取 | 第24-25页 |
| 2.3 基于深度图像的奶牛目标提取 | 第25-27页 |
| 2.3.1 数据处理平台 | 第25页 |
| 2.3.2 奶牛目标提取 | 第25-27页 |
| 2.4 试验结果与分析 | 第27-29页 |
| 2.4.1 试验数据 | 第27页 |
| 2.4.2 试验方法 | 第27-28页 |
| 2.4.3 试验结果与分析 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 奶牛骨架提取方法研究 | 第30-41页 |
| 3.1 骨架介绍 | 第30-32页 |
| 3.1.1 骨架定义 | 第30-31页 |
| 3.1.2 物体骨架与轮廓关系 | 第31-32页 |
| 3.1.3 提取骨架的基本要求 | 第32页 |
| 3.2 经典骨架提取方法 | 第32-34页 |
| 3.2.1 细化提取骨架方法 | 第32-33页 |
| 3.2.2 Voronoi图提取骨架方法 | 第33页 |
| 3.2.3 形态学提取骨架方法 | 第33页 |
| 3.2.4 距离变换提取骨架方法 | 第33-34页 |
| 3.3 奶牛骨架提取 | 第34-36页 |
| 3.4 奶牛骨架剪枝 | 第36-38页 |
| 3.5 骨架提取试验及结果分析 | 第38-40页 |
| 3.5.1 不同方法提取骨架对比分析 | 第38页 |
| 3.5.2 单步态内的骨架提取分析 | 第38-39页 |
| 3.5.3 不同体态奶牛骨架提取结果 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 奶牛肢体分解方法研究 | 第41-50页 |
| 4.1 形状分解 | 第41-42页 |
| 4.2 奶牛肢体分割线生成 | 第42-44页 |
| 4.2.1 基于骨架分叉点的分割点检测 | 第42-43页 |
| 4.2.2 基于分割点生成分割线 | 第43-44页 |
| 4.3 奶牛肢体分割线优化 | 第44-46页 |
| 4.3.1 形状视觉显著度对分割线优化 | 第44-45页 |
| 4.3.2 基于优先级对分割线优化 | 第45-46页 |
| 4.4 试验结果与分析 | 第46-49页 |
| 4.4.1 试验数据 | 第46页 |
| 4.4.2 显著性阈值试验 | 第46-47页 |
| 4.4.3 本文分解方法与人工分解结果对比分析 | 第47页 |
| 4.4.4 本文方法与Kinect传统方法精度对比 | 第47-48页 |
| 4.4.5 不同体态奶牛分解试验结果 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 5.1 结论 | 第50页 |
| 5.2 创新点 | 第50-51页 |
| 5.3 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56页 |