| 摘要 | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状及发展动态 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 第二章 输电线路鸟情检测系统方案设计 | 第15-21页 |
| 2.1 鸟情检测需求分析及系统组成设计 | 第15-17页 |
| 2.2 鸟情检测系统硬件需求分析设计 | 第17-18页 |
| 2.3 鸟情检测系统软件算法方案分析设计 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 图像预处理方法分析研究 | 第21-26页 |
| 3.1 图像灰度化研究 | 第21-22页 |
| 3.2 图像滤波研究 | 第22-24页 |
| 3.3 二值形态学研究 | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 基于改进多帧差法的运动目标检测 | 第26-37页 |
| 4.1 运动目标检测方法原理分析 | 第26-27页 |
| 4.2 改进多帧差算法理论分析和步骤 | 第27-29页 |
| 4.3 基于改进帧差算法的鸟类目标提取 | 第29-36页 |
| 4.3.1 滤波算法的选择分析 | 第29-30页 |
| 4.3.2 鸟类运动差分图像自适应二值化 | 第30-33页 |
| 4.3.3 改进多帧差目标精确提取 | 第33-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第五章 基于SVM判断和目标行为分析的鸟类识别 | 第37-50页 |
| 5.1 基于SVM学习模型的单目标鸟类识别 | 第37-42页 |
| 5.1.1 SVM算法原理分析 | 第37-39页 |
| 5.1.2 基于SVM训练模型的鸟类识别 | 第39-42页 |
| 5.2 基于运动特征分析的多目标鸟群识别 | 第42-49页 |
| 5.2.1 鸟群识别算法分析 | 第43-44页 |
| 5.2.2 光流算法原理分析 | 第44-46页 |
| 5.2.3 基于光流检测的多目标运动行为分析 | 第46-49页 |
| 5.3 本章小结 | 第49-50页 |
| 第六章 基于Adaboost检测和目标轮廓定位的鸟情数量统计 | 第50-60页 |
| 6.1 基于surf追踪的单鸟类数量统计 | 第50-51页 |
| 6.2 基于adaboost定位的飞行鸟群数量统计 | 第51-55页 |
| 6.2.1 adaboost定位算法原理 | 第51-52页 |
| 6.2.2 adaboost模型训练及鸟类目标定位 | 第52-55页 |
| 6.3 基于轮廓信息统计的输电线鸟类停留数量和时间统计 | 第55-59页 |
| 6.3.1 输电线鸟类目标提取 | 第56-57页 |
| 6.3.2 输电线鸟类目标数量和停留时间统计 | 第57-59页 |
| 6.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文及获得成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
