基于智能手机和机器视觉的立木胸径测量方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第10-20页 |
| 1.1 立木因子测量概述 | 第10页 |
| 1.2 研究背景、目的与意义 | 第10-11页 |
| 1.3 国内外的研究现状及发展趋势 | 第11-16页 |
| 1.3.1 立木胸径测量研究现状及发展趋势 | 第11-15页 |
| 1.3.2 相机标定技术研究现状 | 第15页 |
| 1.3.3 图像分割技术研究现状 | 第15-16页 |
| 1.4 研究目标与内容 | 第16-17页 |
| 1.5 研究方法与技术路线 | 第17-18页 |
| 1.6 章节安排 | 第18-20页 |
| 2 相机标定及单位像素三维世界尺寸重建 | 第20-38页 |
| 2.1 相机标定技术概述 | 第20页 |
| 2.2 基于移动端的改进相机标定方法 | 第20-21页 |
| 2.3 相机标定模型 | 第21-25页 |
| 2.3.1 相机成像模型 | 第22-24页 |
| 2.3.2 非线性畸变优化模型 | 第24-25页 |
| 2.4 参数计算及优化 | 第25-27页 |
| 2.4.1 单应性关系与内参约束 | 第25页 |
| 2.4.2 初始估值参数的非线性优化 | 第25-26页 |
| 2.4.3 畸变参数的计算及优化 | 第26-27页 |
| 2.5 标定参数精度对比验证 | 第27-31页 |
| 2.6 单位像素三维尺寸重建算法 | 第31-32页 |
| 2.7 单位像素三维世界物理尺寸重建及精度验证 | 第32-37页 |
| 2.7.1 单位像素三维世界物理尺寸重建 | 第32-34页 |
| 2.7.2 精度验证 | 第34-35页 |
| 2.7.3 优化精度验证 | 第35-37页 |
| 2.8 本章小节 | 第37-38页 |
| 3 基于视觉显著性及形态学的立木树干轮廓检测 | 第38-52页 |
| 3.1 视觉显著性表达 | 第38-40页 |
| 3.1.1 颜色空间选取 | 第38-39页 |
| 3.1.2 视觉显著性表达 | 第39-40页 |
| 3.2 色调分量均衡化与特征融合 | 第40-42页 |
| 3.2.1 色调特征提取 | 第41-42页 |
| 3.2.2 色调分量均衡化处理与特征融合 | 第42页 |
| 3.3 融合图像二值化 | 第42-43页 |
| 3.4 数学形态学处理 | 第43-46页 |
| 3.5 立木主轮廓提取 | 第46页 |
| 3.6 轮廓识别精度分析 | 第46-49页 |
| 3.6.1 图像采集及实验环境 | 第46-47页 |
| 3.6.2 立木树干轮廓分割结果 | 第47-48页 |
| 3.6.3 观察评价 | 第48-49页 |
| 3.6.4 性能指标评价 | 第49页 |
| 3.7 本章小结 | 第49-52页 |
| 4 立木胸径测量算法 | 第52-62页 |
| 4.1 树干高度检测 | 第52-53页 |
| 4.1.1 最小外接矩形提取及优化 | 第52-53页 |
| 4.1.2 最小外接矩形提取效果 | 第53页 |
| 4.1.3 树干高度计算 | 第53页 |
| 4.2 胸径测量算法 | 第53-54页 |
| 4.2.1 胸径测量高度定位 | 第53-54页 |
| 4.2.2 胸径像素获取 | 第54页 |
| 4.2.3 胸径计算 | 第54页 |
| 4.3 方法实现 | 第54-58页 |
| 4.3.1 开发环境介绍 | 第55-56页 |
| 4.3.2 系统框架 | 第56页 |
| 4.3.3 系统功能及效果 | 第56-58页 |
| 4.4 胸径测量精度验证 | 第58-61页 |
| 4.4.1 树干高度测量精度对比 | 第58-59页 |
| 4.4.2 胸径测量精度对比 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 结论与展望 | 第62-64页 |
| 5.1 结论 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 获得成果目录 | 第71页 |
