基于改进CV模型的高原鼠兔图像分割方法研究
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 高原鼠兔图像特点 | 第13-14页 |
| 1.3 图像分割研究现状 | 第14-17页 |
| 1.3.1 图像分割方法研究现状 | 第14-15页 |
| 1.3.2 CV模型研究现状 | 第15-16页 |
| 1.3.3 动物图像分割研究现状 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第2章 数据采集及本文基本理论 | 第19-28页 |
| 2.1 数据采集工作 | 第19-20页 |
| 2.1.1 数据采集环境 | 第19页 |
| 2.1.2 数据采集系统 | 第19-20页 |
| 2.1.3 数据特点 | 第20页 |
| 2.2 水平集方法的基本理论 | 第20-26页 |
| 2.2.1 曲线演化理论 | 第20-22页 |
| 2.2.2 水平集方法 | 第22-24页 |
| 2.2.3 水平集函数的初始化 | 第24-25页 |
| 2.2.4 水平集方法的数值计算 | 第25-26页 |
| 2.3 图像分割评价标准 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于改进CV模型的高原鼠兔图像分割 | 第28-43页 |
| 3.1 引言 | 第28页 |
| 3.2 常见的活动轮廓模型 | 第28-33页 |
| 3.2.1 Snake模型 | 第28-29页 |
| 3.2.2 测地线活动轮廓模型 | 第29-30页 |
| 3.2.3 CV模型 | 第30-32页 |
| 3.2.4 LBF模型 | 第32-33页 |
| 3.3 基于改进CV模型的高原鼠兔图像分割 | 第33-37页 |
| 3.3.1 改进内部拟合项 | 第33-35页 |
| 3.3.2 本文分割模型 | 第35-36页 |
| 3.3.3 本文方法步骤 | 第36-37页 |
| 3.4 实验结果分析 | 第37-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于时空域联合信息的高原鼠兔目标检测 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 经典运动目标检测方法 | 第43-47页 |
| 4.2.1 光流法 | 第43-44页 |
| 4.2.2 基于空域的目标检测 | 第44-45页 |
| 4.2.3 基于时域的目标检测 | 第45-46页 |
| 4.2.4 基于时空域联合信息的目标检测 | 第46-47页 |
| 4.3 基于时空域联合信息的高原鼠兔目标检测 | 第47-49页 |
| 4.3.1 时域目标检测 | 第47-48页 |
| 4.3.2 算法概述及流程 | 第48-49页 |
| 4.4 实验结果及分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 本文工作总结 | 第54页 |
| 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第61页 |
