| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究目的及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于机器视觉的动物身份识别研究现状 | 第11-13页 |
| 1.2.2 Gabor滤波器在身份识别领域的研究现状 | 第13-15页 |
| 1.2.3 SVM支持向量机的研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 视频图像采集和预处理 | 第19-31页 |
| 2.1 群养猪视频采集平台 | 第19-20页 |
| 2.2 图像预处理 | 第20-28页 |
| 2.2.1 样本的选取 | 第20-21页 |
| 2.2.2 猪个体目标提取 | 第21-26页 |
| 2.2.3 稳定特征区域的划分 | 第26-27页 |
| 2.2.4 特征区域的网格划分 | 第27-28页 |
| 2.3 样本库的建立 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 毛发模式特征提取 | 第31-41页 |
| 3.1 毛发模式特征 | 第31-32页 |
| 3.2 Gabor滤波器原理 | 第32-34页 |
| 3.3 Gabor滤波器参数设置 | 第34-35页 |
| 3.4 提取Gabor方向直方图特征 | 第35-38页 |
| 3.4.1 网格中计算毛发模式方向场 | 第35-37页 |
| 3.4.2 网格中计算Gabor方向直方图 | 第37-38页 |
| 3.5 毛发模式特征的比较 | 第38-40页 |
| 3.6 本章总结 | 第40-41页 |
| 第四章 分类器的设计和参数设置 | 第41-52页 |
| 4.1 分类器选择 | 第41-43页 |
| 4.2 支持向量机模型 | 第43-48页 |
| 4.2.1 线性支持向量机 | 第43-44页 |
| 4.2.2 非线性支持向量机 | 第44-46页 |
| 4.2.3 常用核函数的介绍 | 第46-48页 |
| 4.3 SVM参数的选择和优化 | 第48-50页 |
| 4.4 本章总结 | 第50-52页 |
| 第五章 实验和结果 | 第52-61页 |
| 5.1 身份识别系统参数设置实验 | 第52-56页 |
| 5.1.1 网格划分实验 | 第53-54页 |
| 5.1.2 Gabor滤波器方向参数选择实验 | 第54-55页 |
| 5.1.3 支持向量机核函数选择实验 | 第55-56页 |
| 5.2 身份识别系统性能测试实验 | 第56-59页 |
| 5.2.1 本文特征提取算法与经典纹理特征提取算法的比较实验 | 第56-57页 |
| 5.2.2 本文分类算法与经典分类算法的比较实验 | 第57-58页 |
| 5.2.3 低分辨率条件下的分类识别实验 | 第58-59页 |
| 5.3 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-64页 |
| 6.1 本文总结 | 第61-62页 |
| 6.2 未来展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间完成的论文 | 第69页 |