摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第1章 绪论 | 第13-31页 |
1.1 研究背景与研究意义 | 第13-17页 |
1.1.1 我国生猪生产状况 | 第13页 |
1.1.2 生猪生产的未来发展趋势 | 第13-16页 |
1.1.3 课题研究意义 | 第16-17页 |
1.2 国内外研究现状 | 第17-28页 |
1.2.1 视频前景检测提取多猪目标的研究现状 | 第17-20页 |
1.2.2 利用图像分割提取多猪目标的研究现状 | 第20-22页 |
1.2.3 猪只身份识别的研究现状 | 第22-25页 |
1.2.4 猪只行为分析的研究现状 | 第25-28页 |
1.3 本文研究内容 | 第28-30页 |
1.4 章节组织 | 第30-31页 |
第2章 基于预测机制的混合高斯模型和阈值分割相结合的俯视群养猪前景检测 | 第31-55页 |
2.1 问题的提出及解决思路 | 第31-32页 |
2.2 实验建立 | 第32-37页 |
2.2.1 俯视群养猪视频采集系统 | 第32-33页 |
2.2.2 视频预处理 | 第33-37页 |
2.3 基于预测机制的混合高斯模型前景检测 | 第37-51页 |
2.3.1 典型背景减除法分析 | 第37-44页 |
2.3.2 PM_MoG算法 | 第44-48页 |
2.3.3 实验结果 | 第48-51页 |
2.4 与阈值分割相结合做进一步优化 | 第51-53页 |
2.4.1 实验结果 | 第51-52页 |
2.4.2 统计分析 | 第52-53页 |
2.5 本章小结 | 第53-55页 |
第3章 自适应分块多阈值的俯视群养猪多目标提取 | 第55-69页 |
3.1 问题的提出及解决思路 | 第55-56页 |
3.2 阈值分割算法的选择 | 第56-58页 |
3.3 粗分割及问题分析 | 第58-64页 |
3.3.1 进一步限定“有效区域” | 第58页 |
3.3.2 数学形态学处理 | 第58-62页 |
3.3.3 实验结果与问题分析 | 第62-64页 |
3.4 二次精确分割 | 第64-68页 |
3.4.1 自适应设定子块区域 | 第64-66页 |
3.4.2 实验结果与分析 | 第66-68页 |
3.5 本章小结 | 第68-69页 |
第4章 基于ISOMAP和混合核函数SVM的俯视群养猪个体识别 | 第69-96页 |
4.1 问题的提出及解决思路 | 第69-70页 |
4.2 猪个体特征提取 | 第70-77页 |
4.2.1 基于颜色矩的颜色特征提取 | 第70-71页 |
4.2.2 基于灰度共生矩阵的纹理特征提取 | 第71-73页 |
4.2.3 基于不变矩的形状特征提取 | 第73-76页 |
4.2.4 特征标准化 | 第76-77页 |
4.3 特征的融合优化 | 第77-84页 |
4.3.1 典型特征融合算法分析 | 第77-81页 |
4.3.2 基于ISOMAP算法的特征融合 | 第81-84页 |
4.4 基于混合核函数SVM算法的猪个体识别 | 第84-89页 |
4.4.1 混合核函数SVM | 第84-87页 |
4.4.2 核函数参数的优选 | 第87-89页 |
4.5 实验结果与分析 | 第89-92页 |
4.6 本章小结 | 第92-93页 |
附图 | 第93-94页 |
附表 | 第94-96页 |
第5章 基于机器视觉的猪个体识别与饮水行为分析 | 第96-109页 |
5.1 问题的提出及解决思路 | 第96-97页 |
5.2 猪个体识别过程的进一步优化 | 第97-102页 |
5.2.1 提取饮水区的猪个体目标 | 第97-99页 |
5.2.2 优化的猪个体特征提取 | 第99-100页 |
5.2.3 基于欧式距离的猪个体识别 | 第100-102页 |
5.3 猪个体饮水行为分析 | 第102-105页 |
5.3.1 饮水龙头的检测 | 第102页 |
5.3.2 猪体头部、尾部的判定 | 第102-105页 |
5.4 实验结果与分析 | 第105-108页 |
5.5 本章小结 | 第108-109页 |
第6章 总结与展望 | 第109-112页 |
6.1 本文总结 | 第109-110页 |
6.2 未来工作展望 | 第110-112页 |
致谢 | 第112-113页 |
参考文献 | 第113-123页 |
攻读博士学位期间发表的论文与科研工作 | 第123-124页 |
1.发表的论文及著作 | 第123页 |
2.参加的科研工作 | 第123-124页 |
3.发明专利 | 第124页 |