| 致谢 | 第7-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 符号列表 | 第16-19页 |
| 第一章 绪论 | 第19-28页 |
| 1.1 课题研究背景和意义 | 第19-22页 |
| 1.1.1 课题的研究背景 | 第19-20页 |
| 1.1.2 鸡行为的监测方法 | 第20-22页 |
| 1.2 基于机器视觉技术的鸡行为国内外研究现状 | 第22-25页 |
| 1.2.1 基于二维图像的鸡行为研究 | 第22-24页 |
| 1.2.2 基于三维图像的鸡行为研究 | 第24-25页 |
| 1.3 研究内容与技术路线 | 第25-28页 |
| 1.3.1 研究内容 | 第25-26页 |
| 1.3.2 章节安排 | 第26-27页 |
| 1.3.3 技术路线 | 第27-28页 |
| 第二章 实验材料和方法 | 第28-41页 |
| 2.1 实验材料 | 第28-29页 |
| 2.2 双目视觉原理 | 第29-30页 |
| 2.3 图像采集系统的硬件部分 | 第30-38页 |
| 2.3.1 设备选型 | 第30-32页 |
| 2.3.2 整体布局设计 | 第32-33页 |
| 2.3.3 双目相机标定 | 第33-37页 |
| 2.3.4 图像采集同步模式 | 第37-38页 |
| 2.4 图像采集系统软件部分 | 第38-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 笼养蛋鸡二维图像的特征提取方法 | 第41-60页 |
| 3.1 二维图像分割方法 | 第41-42页 |
| 3.2 基于活动轮廓模型的图像分割方法 | 第42-45页 |
| 3.2.1 CV模型 | 第42-44页 |
| 3.2.2 RSF模型 | 第44-45页 |
| 3.3 基于S分量图像的笼养蛋鸡身体分割 | 第45-53页 |
| 3.3.1 基于S分量与阈值法的图像粗分割 | 第45-46页 |
| 3.3.2 基于改进CV模型的鸡身精分割 | 第46-49页 |
| 3.3.3 实验结果与分析 | 第49-53页 |
| 3.4 基于a分量图像的笼养蛋鸡头部分割 | 第53-59页 |
| 3.4.1 基于a分量和单阈值的鸡头粗分割 | 第54-55页 |
| 3.4.2 基于改进RSF模型的鸡头精分割 | 第55-56页 |
| 3.4.3 实验结果及分析 | 第56-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第四章 笼养蛋鸡三维图像的特征提取方法 | 第60-71页 |
| 4.1 笼养蛋鸡三维图像特征的重要性 | 第60页 |
| 4.2 笼养蛋鸡三维图像重建 | 第60-64页 |
| 4.2.1 三维重建过程 | 第60-61页 |
| 4.2.2 立体匹配及三维重建方法 | 第61-64页 |
| 4.3 三维特征快速分割 | 第64-70页 |
| 4.3.1 三维特征分割 | 第64-66页 |
| 4.3.2 基于窄带法的三维特征快速分割方法 | 第66-68页 |
| 4.3.3 基于多水平集多目标个体的三维特征快速分割方法 | 第68-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第五章 笼养蛋鸡饮水采食行为的感知方法研究 | 第71-84页 |
| 5.1 空间运动参数获取 | 第71-72页 |
| 5.2 采食饮水时长检测 | 第72-74页 |
| 5.3 探究蛋鸡空间运动参数及饮水采食时长与健康状况的关系 | 第74-77页 |
| 5.4 笼养蛋鸡空间运动及饮水采食行为实时检测软件实现 | 第77-82页 |
| 5.4.1 图像检测 | 第78-79页 |
| 5.4.2 实时检测 | 第79页 |
| 5.4.3 参数设置 | 第79-80页 |
| 5.4.4 数据导出 | 第80-82页 |
| 5.5 软件界面操作手册 | 第82-83页 |
| 5.6 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 研究结论 | 第84-85页 |
| 6.2 创新点 | 第85页 |
| 6.3 展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 作者筒历 | 第92页 |
