基于双向SIFT匹配与区域合并的奶牛图像分割研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 图像分割技术的发展 | 第9-12页 |
| 1.2.1 图像分割概念 | 第9-10页 |
| 1.2.2 图像分割的分类 | 第10-12页 |
| 1.3 课题的来源与研究意义 | 第12-13页 |
| 1.4 奶牛图像分割研究现状 | 第13页 |
| 1.5 奶牛图像分割的难点分析 | 第13-14页 |
| 1.6 文章内容安排 | 第14-15页 |
| 第2章 奶牛图像预处理 | 第15-22页 |
| 2.1 基于小波变换的同态滤波处理 | 第15-19页 |
| 2.1.1 多分辨率小波变换 | 第15-17页 |
| 2.1.2 同态滤波器 | 第17-18页 |
| 2.1.3 巴特沃斯低通滤波器 | 第18-19页 |
| 2.2 基于YCBCR彩色空间的同态滤波处理 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 改进的图像匹配算法 | 第22-33页 |
| 3.1 SIFT特征匹配算法 | 第22-26页 |
| 3.2 双向匹配 | 第26-27页 |
| 3.3 随机抽样一致性算法 | 第27-28页 |
| 3.4 结合随机抽样一致性的双向匹配算法 | 第28-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 结合样本引入的奶牛图像区域合并算法 | 第33-44页 |
| 4.1 最大相似度区域合并算法 | 第33-34页 |
| 4.2 简单样本引导前景点标记 | 第34-35页 |
| 4.3 结合凹包与统计的背景点选取算法 | 第35-39页 |
| 4.3.1 Delaunay三角剖分 | 第36-37页 |
| 4.3.2 凹包算法 | 第37页 |
| 4.3.3 背景点选取 | 第37-39页 |
| 4.4 区域合并 | 第39-43页 |
| 4.4.1 区域的展现与相似性度量 | 第39-40页 |
| 4.4.2 目标和背景标记 | 第40页 |
| 4.4.3 合并规则 | 第40-41页 |
| 4.4.4 合并过程 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 奶牛分割的背部优化算法 | 第44-50页 |
| 5.1 链码和与链码差 | 第44-46页 |
| 5.1.1 链码 | 第44-45页 |
| 5.1.2 相对链码与绝对链码 | 第45-46页 |
| 5.1.3 三点链码和与链码差 | 第46页 |
| 5.2 基于链码差的凹凸性判别 | 第46-47页 |
| 5.3 斜率迭代去除背部过分割 | 第47-48页 |
| 5.4 总体算法流程 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 实验结果与分析 | 第50-53页 |
| 6.1 实验结果 | 第50-51页 |
| 6.2 实验分析 | 第51-53页 |
| 第7章 结论与展望 | 第53-56页 |
| 7.1 工作总结 | 第53页 |
| 7.2 创新内容 | 第53-54页 |
| 7.3 进一步的工作 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
