基于机器视觉的复杂背景活体猪检测方法研究
| 摘要 | 第5-6页 |
| 1 绪论 | 第6-11页 |
| 1.1 研究目的与意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.2.1 活体猪检测研究现状 | 第7-8页 |
| 1.2.2 动物检测研究现状 | 第8-9页 |
| 1.3 本文的研究内容及技术路线 | 第9-10页 |
| 1.3.1 研究内容 | 第9页 |
| 1.3.2 技术路线 | 第9-10页 |
| 1.4 本文的组织结构 | 第10-11页 |
| 2 活体猪图像预处理 | 第11-24页 |
| 2.1 活体猪图像获取 | 第11页 |
| 2.2 同态滤波算法 | 第11-15页 |
| 2.3 YCbCr空间小波变换的同态滤波处理 | 第15-23页 |
| 2.3.1 算法实现步骤 | 第15页 |
| 2.3.2 RGB与YCbCr彩色空间转换 | 第15-16页 |
| 2.3.3 小波变换原理 | 第16-18页 |
| 2.3.4 预处理结果分析 | 第18-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 活体猪检测 | 第24-33页 |
| 3.1 彩色空间 | 第24-26页 |
| 3.2 基于最大似然法的活体猪检测 | 第26-30页 |
| 3.2.1 最大似然分类器 | 第26-27页 |
| 3.2.2 算法实现原理 | 第27-28页 |
| 3.2.3 最大似然分类结果 | 第28-30页 |
| 3.3 基于迭代阈值法的活体猪检测 | 第30-31页 |
| 3.3.1 迭代阈值法原理 | 第31页 |
| 3.3.2 迭代阈值分类结果 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 4 形态学图像后处理 | 第33-39页 |
| 4.1 形态学基础 | 第33-34页 |
| 4.1.1 腐蚀和膨胀 | 第33页 |
| 4.1.2 开运算和闭运算 | 第33-34页 |
| 4.1.3 形态学处理结果 | 第34页 |
| 4.2 混淆矩阵评价 | 第34-35页 |
| 4.3 实验结果分析 | 第35-38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 总结与展望 | 第39-40页 |
| 5.1 总结 | 第39页 |
| 5.2 展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| Abstract | 第43-44页 |
| 致谢 | 第45页 |
