| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究的目的与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 论文的研究内容 | 第15-16页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第二章 数据的采集与标注 | 第18-22页 |
| 2.1 奶山羊图像数据采集 | 第18-20页 |
| 2.2 数据集的标注及制作 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 运动场图像中羊只目标检测 | 第22-36页 |
| 3.1 运动场图像中羊只目标检测方法概述 | 第22-23页 |
| 3.2 基于LBP特征的Adaboost级联分类器的构造与训练 | 第23-27页 |
| 3.2.1 LBP特征及Adaboost级联分类器 | 第23-24页 |
| 3.2.2 基于多分支结构的弱分类器构造 | 第24-25页 |
| 3.2.3 基于改进的Adaboost算法的强分类器构造 | 第25-26页 |
| 3.2.4 级联分类器构造 | 第26-27页 |
| 3.3 结合颜色特征的羊只目标检测 | 第27-29页 |
| 3.3.1 基于分量直方图的颜色空间选择 | 第27-28页 |
| 3.3.2 基于像素点统计法的预选窗口判定 | 第28-29页 |
| 3.4 实验结果与分析 | 第29-34页 |
| 3.4.1 颜色空间选择实验结果与分析 | 第29-31页 |
| 3.4.2 检测结果与分析 | 第31-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 羊舍图像中羊只目标检测 | 第36-52页 |
| 4.1 羊舍图像中目标检测方法概述 | 第36-37页 |
| 4.2 背景先验显著图的估计 | 第37-39页 |
| 4.2.1 FastMBD显著目标检测方法 | 第37-38页 |
| 4.2.2 基于改进Fast MBD算法的背景先验显著图估计 | 第38-39页 |
| 4.3 前景先验显著图的估计 | 第39-44页 |
| 4.3.1 基于DBSCAN算法的超像素划分 | 第40-42页 |
| 4.3.2 优化的前景种子选取方法 | 第42页 |
| 4.3.3 基于流行排序算法的前景先验显著图估计 | 第42-44页 |
| 4.4 显著图的生成及后处理 | 第44-46页 |
| 4.4.1 基于指数融合方法的显著图生成 | 第44-45页 |
| 4.4.2 基于图像形态学方法的后处理 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-50页 |
| 4.5.1 评价指标 | 第46-48页 |
| 4.5.2 目标检测实验结果与分析 | 第48-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 羊只目标计数 | 第52-60页 |
| 5.1 羊只目标计数方法概述 | 第52页 |
| 5.2 图像分割 | 第52-54页 |
| 5.2.1 基于K-Means算法的阈值分割 | 第52-53页 |
| 5.2.2 参数的选择 | 第53-54页 |
| 5.3 目标计数 | 第54-57页 |
| 5.3.1 基于8邻域准则的连通区域标记 | 第54-55页 |
| 5.3.2 基于比例因数法羊只目标计数 | 第55-57页 |
| 5.4 实验结果与分析 | 第57-59页 |
| 5.4.1 分割结果与分析 | 第57-58页 |
| 5.4.2 计数结果与分析 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 个人简介 | 第68页 |
