基于广义Hough变换和聚类分析的粘连猪的头尾识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究目的及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 粘连目标的分割研究现状 | 第12-13页 |
| 1.2.2 目标头尾识别的研究现状 | 第13-14页 |
| 1.2.3 聚类算法的研究现状 | 第14-15页 |
| 1.2.4 广义Hough变换的研究现状 | 第15-16页 |
| 1.3 本文主要研究内容及结构安排 | 第16-18页 |
| 1.3.1 本文主要研究内容 | 第16-17页 |
| 1.3.2 论文的内容安排 | 第17-18页 |
| 第二章 视频采集及图像预处理 | 第18-31页 |
| 2.1 视频图像采集 | 第18页 |
| 2.2 图像预处理 | 第18-30页 |
| 2.2.1 图像增强 | 第18-23页 |
| 2.2.2 二值化处理 | 第23-25页 |
| 2.2.3 形态学处理 | 第25-27页 |
| 2.2.4 边缘检测 | 第27-29页 |
| 2.2.5 粘连猪只图像的选择 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 粘连猪只的分割算法 | 第31-39页 |
| 3.1 粘连目标图像的分割算法概述 | 第31-32页 |
| 3.2 传统的分水岭分割算法 | 第32-34页 |
| 3.2.1 分水岭分割算法原理 | 第32页 |
| 3.2.2 分水岭算法的数学模型 | 第32-34页 |
| 3.2.3 分水岭算法的缺点 | 第34页 |
| 3.3 改进的分水岭分割算法 | 第34-38页 |
| 3.3.1 距离的定义 | 第34-35页 |
| 3.3.2 距离变换的原理 | 第35-36页 |
| 3.3.3 基于距离变换的分水岭分割算法 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 群养猪中个体的头尾识别 | 第39-56页 |
| 4.1 引言 | 第39页 |
| 4.2 聚类分析 | 第39-45页 |
| 4.2.1 聚类的定义 | 第39页 |
| 4.2.2 聚类分析的数学描述 | 第39-44页 |
| 4.2.3 聚类分析的方法 | 第44-45页 |
| 4.3 Hough变换 | 第45-48页 |
| 4.3.1 Hough变换的概述 | 第45-46页 |
| 4.3.2 广义Hough变换 | 第46-48页 |
| 4.4 基于广义Hough聚类的头尾识别 | 第48-55页 |
| 4.4.1 猪个体头尾轮廓截取方法 | 第48-50页 |
| 4.4.2 猪个体的头尾识别算法 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 实验结果分析 | 第56-67页 |
| 5.1 实验数据 | 第56页 |
| 5.2 粘连猪的分割结果分析 | 第56-60页 |
| 5.2.1 分割结果示例 | 第56-58页 |
| 5.2.2 分割结果的统计分析 | 第58-60页 |
| 5.3 猪个体头尾识别的实验结果分析 | 第60-64页 |
| 5.3.1 猪个体头尾轮廓的截取实验 | 第60-61页 |
| 5.3.2 群猪中个体的头尾识别实验 | 第61-64页 |
| 5.4 视频中基于猪个体头尾定位的活动轨迹分析 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-70页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 研究工作展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间完成的论文 | 第75页 |
