面向无人机影像和坡度数据的梯田田块提取方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 国内研究现状 | 第11-13页 |
| 1.2.2 国外研究现状 | 第13-15页 |
| 1.2.3 研究现状分析 | 第15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 数据来源及相关理论 | 第18-29页 |
| 2.1 数据基础 | 第18-21页 |
| 2.1.1 无人机遥感数据 | 第18-19页 |
| 2.1.2 数字高程数据(DEM) | 第19页 |
| 2.1.3 数据来源及实验区数据 | 第19-21页 |
| 2.2 梯田区提取相关方法理论基础 | 第21-28页 |
| 2.2.1 支持向量机理论原理 | 第21-22页 |
| 2.2.2 BP神经网络 | 第22-26页 |
| 2.2.3 区域生长算法 | 第26-27页 |
| 2.2.4 分割算法评价方法 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于BP神经网络的梯田区分割方法 | 第29-37页 |
| 3.1 方法流程 | 第29-30页 |
| 3.2 方案实现 | 第30-34页 |
| 3.2.1 坡度数据提取 | 第30-31页 |
| 3.2.2 网络设计和训练 | 第31-32页 |
| 3.2.3 构建训练样本数据集 | 第32-33页 |
| 3.2.4 神经网络的初始化和训练 | 第33-34页 |
| 3.2.5 神经网络分割梯田过程 | 第34页 |
| 3.3 实验结果及分析 | 第34-36页 |
| 3.3.1 实验结果 | 第34-36页 |
| 3.3.2 结果分析 | 第36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于支持向量机的梯田区分割方法 | 第37-44页 |
| 4.1 方法流程 | 第37-41页 |
| 4.1.1 多维数据构建 | 第38页 |
| 4.1.2 训练样本点选取 | 第38-40页 |
| 4.1.3 核函数的生成 | 第40-41页 |
| 4.2 实验结果及分析 | 第41-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第五章 改进Canny算法的梯田区分割方法 | 第44-58页 |
| 5.1 方法流程 | 第44-45页 |
| 5.2 梯田影像和地形数据预处理 | 第45-49页 |
| 5.2.1 DEM转为坡度数据 | 第45-46页 |
| 5.2.2 彩色图像灰度化 | 第46-47页 |
| 5.2.3 灰度图像平滑处理 | 第47-49页 |
| 5.3 梯田边缘轮廓提取 | 第49-55页 |
| 5.3.1 基本Canny边缘检测算法 | 第50-53页 |
| 5.3.2 改进后的Canny边缘检测算法 | 第53-55页 |
| 5.4 实验结果及分析 | 第55-56页 |
| 5.5 本章小结 | 第56-58页 |
| 第六章 梯田田块提取方法 | 第58-63页 |
| 6.1 梯田田块提取 | 第58-59页 |
| 6.1.1 梯田田块提取算法 | 第58-59页 |
| 6.1.2 田块提取精度评价 | 第59页 |
| 6.2 实验效果及精度评价 | 第59-62页 |
| 6.2.1 梯田田块提取结果 | 第59-60页 |
| 6.2.2 梯田田块提取精度 | 第60-62页 |
| 6.3 本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 7.1 总结 | 第63页 |
| 7.2 展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
