| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究进展 | 第11-14页 |
| 1.3 技术路线与组织结构 | 第14-16页 |
| 1.3.1 技术路线 | 第14-15页 |
| 1.3.2 组织结构 | 第15-16页 |
| 第2章 图像预处理与分割 | 第16-26页 |
| 2.1 图像预处理 | 第16-20页 |
| 2.1.1 镜头畸变校正 | 第16-17页 |
| 2.1.2 图像平滑去噪 | 第17-19页 |
| 2.1.3 暗原色先验图像去雾 | 第19-20页 |
| 2.2 图像分割 | 第20-26页 |
| 2.2.1 基于阈值的分割方法 | 第21页 |
| 2.2.2 基于区域的分割方法 | 第21-22页 |
| 2.2.3 基于边缘检测的分割方法 | 第22-24页 |
| 2.2.4 无人机航拍图像的分块 | 第24-26页 |
| 第3章 图像特征提取与分类研究 | 第26-43页 |
| 3.1 颜色空间模型 | 第26-28页 |
| 3.1.1 RGB颜色空间 | 第26页 |
| 3.1.2 CMY颜色空间 | 第26-27页 |
| 3.1.3 YIQ颜色空间 | 第27页 |
| 3.1.4 HSV颜色空间 | 第27-28页 |
| 3.2 颜色特征提取算法 | 第28-31页 |
| 3.2.1 颜色矩 | 第28页 |
| 3.2.2 颜色直方图 | 第28-29页 |
| 3.2.3 颜色相关图 | 第29页 |
| 3.2.4 图像颜色特征提取 | 第29-31页 |
| 3.3 纹理特征提取算法 | 第31-37页 |
| 3.3.1 空间自相关法纹理特征提取 | 第31-32页 |
| 3.3.2 GLCM纹理特征提取 | 第32-34页 |
| 3.3.3 Tamura纹理特征提取 | 第34-36页 |
| 3.3.4 Gabor小波变换纹理特征提取 | 第36-37页 |
| 3.3.5 图像纹理特征提取 | 第37页 |
| 3.4 形状特征提取算法 | 第37-39页 |
| 3.4.1 傅里叶描述法 | 第37-38页 |
| 3.4.2 Hu不变矩描述法 | 第38-39页 |
| 3.5 图像分类方法 | 第39-43页 |
| 3.5.1 欧式距离分类法 | 第39-40页 |
| 3.5.2 BP神经网络 | 第40-42页 |
| 3.5.3 SVM分类器 | 第42-43页 |
| 第4章 基于多特征融合的无人机航拍图像识别实验 | 第43-57页 |
| 4.1 特征融合方式 | 第43页 |
| 4.2 识别分类方法及流程 | 第43-45页 |
| 4.3 基于神经网络的航拍图像识别 | 第45-51页 |
| 4.3.1 实验数据及神经网络参数设置 | 第45-46页 |
| 4.3.2 基于HSV空间的颜色直方图特征图像识别 | 第46-49页 |
| 4.3.3 基于GLCM纹理特征的图像识别 | 第49-50页 |
| 4.3.4 基于Hu不变矩的形状特征图像识别 | 第50-51页 |
| 4.4 航拍图像多特征融合识别 | 第51-56页 |
| 4.4.1 颜色直方图、GLCM特征融合识别 | 第51-52页 |
| 4.4.2 颜色直方图、Hu不变矩特征融合识别 | 第52-54页 |
| 4.4.3 GLCM纹理、Hu不变矩特征融合识别 | 第54页 |
| 4.4.4 颜色直方图、GLCM纹理、Hu不变矩特征融合识别 | 第54-56页 |
| 4.5 航拍图像识别总结与评价 | 第56-57页 |
| 结论 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间取得学术成果 | 第63页 |