| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究的目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 基于机器视觉的猪只个体研究现状 | 第12-13页 |
| 1.2.2 基于机器视觉的身份识别研究现状 | 第13-15页 |
| 1.2.3 基于机器视觉的行为识别研究现状 | 第15-16页 |
| 1.3 课题主要研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 群养猪视频采集和图像预处理 | 第19-28页 |
| 2.1 群养猪视频采集 | 第19-20页 |
| 2.2 群养猪个体目标提取 | 第20-25页 |
| 2.2.1 图像分割的基本方法 | 第20-22页 |
| 2.2.2 传统的二维Otsu法 | 第22-24页 |
| 2.2.3 改进的二维Otsu法 | 第24-25页 |
| 2.3 图像预处理及结果 | 第25-26页 |
| 2.4 样本库的建立 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于特征区域定位的猪个体身份识别 | 第28-43页 |
| 3.1 特征区域提取算法 | 第28-34页 |
| 3.1.1 特征区域概述 | 第28-29页 |
| 3.1.2 猪个体特征区域提取算法 | 第29-31页 |
| 3.1.3 特征区域的稳定性 | 第31-33页 |
| 3.1.4 特征区域的独特性 | 第33-34页 |
| 3.2 猪个体特征提取 | 第34-40页 |
| 3.2.1 图像特征提取算法概述 | 第34-37页 |
| 3.2.2 猪个体特征提取方法 | 第37-40页 |
| 3.3 猪个体身份相似度计算 | 第40-42页 |
| 3.3.1 相似度计算方法 | 第40-41页 |
| 3.3.2 猪个体身份相似度计算方法 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于轮廓的饮水行为识别 | 第43-58页 |
| 4.1 轮廓多边形近似 | 第43-51页 |
| 4.1.1 基于轮廓的形状描述方法 | 第43-45页 |
| 4.1.2 改进的Douglas-Peukcer多边形近似 | 第45-48页 |
| 4.1.3 不变性分析 | 第48-51页 |
| 4.2 轮廓特征提取 | 第51-54页 |
| 4.2.1 轮廓特征提取算法分类 | 第51-52页 |
| 4.2.2 轮廓特征提取方法 | 第52-54页 |
| 4.3 基于轮廓分割的相似度计算方法 | 第54-57页 |
| 4.3.1 轮廓相似度计算方法 | 第54-55页 |
| 4.3.2 匈牙利算法 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 实验结果与分析 | 第58-67页 |
| 5.1 猪只身份识别实验 | 第58-61页 |
| 5.1.1 参数设置 | 第58-59页 |
| 5.1.2 识别结果与分析 | 第59-61页 |
| 5.2 猪只饮水行为识别实验 | 第61-64页 |
| 5.2.1 参数设置 | 第62-63页 |
| 5.2.2 识别结果与分析 | 第63-64页 |
| 5.3 图像处理界面设计 | 第64-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结和展望 | 第67-69页 |
| 6.1 本文总结 | 第67-68页 |
| 6.2 未来的展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间完成的论文 | 第74页 |