| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 1 绪论 | 第11-21页 |
| ·问题的提出及研究意义 | 第11-14页 |
| ·问题的提出 | 第11-13页 |
| ·林业发展对林业装备提出新要求 | 第11页 |
| ·森林资源调查是林业的基础工作 | 第11-12页 |
| ·树种分类研究是森林资源调查的首要问题 | 第12页 |
| ·树木图像采集为树种机器识别提供基础数据 | 第12-13页 |
| ·研究的理论意义 | 第13-14页 |
| ·研究的实用价值 | 第14页 |
| ·国内外研究现状 | 第14-17页 |
| ·国内研究现状 | 第14-15页 |
| ·国外研究现状 | 第15-17页 |
| ·本文的主要研究内容 | 第17页 |
| ·本文的重点和难点问题 | 第17-18页 |
| ·本文的章节安排 | 第18-21页 |
| 2 树木图像分割基础 | 第21-49页 |
| ·图像分割与图像工程的关系 | 第21-22页 |
| ·图像分割的基本理论 | 第22-24页 |
| ·图像分割的定义 | 第22-23页 |
| ·图像分割的分类 | 第23-24页 |
| ·颜色特征空间 | 第24页 |
| ·图像分割的基础方法 | 第24-39页 |
| ·阈值分割 | 第24-29页 |
| ·阈值分割的数学描述 | 第25页 |
| ·阈值分割方法的分类 | 第25-26页 |
| ·阈值分割方法分割自然背景下树木图像 | 第26-29页 |
| ·边缘检测 | 第29-37页 |
| ·边缘检测的数学描述 | 第29-30页 |
| ·Sobel算子 | 第30-32页 |
| ·Prewitt算子 | 第32-34页 |
| ·LoG(Laplacian of a Gaussian)算子 | 第34-35页 |
| ·Canny算子 | 第35-37页 |
| ·区域分割 | 第37-39页 |
| ·区域生长法 | 第38页 |
| ·区域分裂与合并法 | 第38-39页 |
| ·基于特定理论的图像分割 | 第39-47页 |
| ·分水岭分割 | 第39-40页 |
| ·数学形态学 | 第40-42页 |
| ·神经网络 | 第42-44页 |
| ·模糊技术 | 第44-46页 |
| ·模糊理论定义 | 第44页 |
| ·模糊熵 | 第44-45页 |
| ·基于模糊理论的图像分割方法 | 第45-46页 |
| ·基于马尔科夫随机场 | 第46-47页 |
| ·图像分割的发展趋势 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 3 复杂背景下树木图像分割方法研究 | 第49-65页 |
| ·图像的视觉特征 | 第49-50页 |
| ·颜色特征 | 第49页 |
| ·纹理特征 | 第49-50页 |
| ·形状特征 | 第50页 |
| ·基于颜色特征的树木图像分割 | 第50-59页 |
| ·树木图像预处理 | 第51-53页 |
| ·色彩空间的选择 | 第53-54页 |
| ·RGB颜色空间到Lab空间的转换 | 第54-55页 |
| ·色彩分通道法的实现 | 第55页 |
| ·二维OTSU分割 | 第55-57页 |
| ·数学形态修正 | 第57页 |
| ·实验结果分析 | 第57-59页 |
| ·基于颜色和纹理特征的树木图像分割 | 第59-63页 |
| ·灰度共生矩阵 | 第60-61页 |
| ·基于灰度共生矩阵的纹理分割 | 第61-62页 |
| ·颜色特征与纹理特征结合 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 4 数字抠图技术研究 | 第65-85页 |
| ·数字抠图原理 | 第65-67页 |
| ·蓝屏抠图 | 第67-70页 |
| ·自然图像抠图 | 第70-82页 |
| ·基于图论的抠图 | 第70-76页 |
| ·图论基础 | 第70-71页 |
| ·GraphCut图像分割算法 | 第71-72页 |
| ·GrabCut自然抠图算法 | 第72-76页 |
| ·基于统计学的抠图 | 第76-80页 |
| ·Knockout方法 | 第76-77页 |
| ·Ruzon和Tomasi方法 | 第77-78页 |
| ·Hillman方法 | 第78-79页 |
| ·Bayesian方法 | 第79-80页 |
| ·基于偏微分方程的抠图 | 第80-82页 |
| ·全局求解 | 第81-82页 |
| ·局部求解 | 第82页 |
| ·抠图技术的发展趋势 | 第82-83页 |
| ·本章小结 | 第83-85页 |
| 5 复杂背景下树木图像抠图技术研究 | 第85-101页 |
| ·树木图像抠图方法选择 | 第85-86页 |
| ·基于MRF的抠图方法进行树木图像提取的局限性 | 第86-87页 |
| ·改进的基于MRF的树木图像抠图算法 | 第87-98页 |
| ·简化人机交互 | 第87-94页 |
| ·目标树木所在区域选取 | 第88页 |
| ·基于扫描线填充的背景区域标示 | 第88-92页 |
| ·前景区域的标示 | 第92-94页 |
| ·基于区域生长减少未知区域待运算像素数目 | 第94-95页 |
| ·未知区域像素点基于MRF的抠图运算 | 第95-98页 |
| ·能量函数的构造 | 第95-96页 |
| ·数据能量项 | 第96页 |
| ·光滑能量项 | 第96-97页 |
| ·能量求解 | 第97-98页 |
| ·迭代求解 | 第98页 |
| ·实验结果 | 第98-100页 |
| ·本章小结 | 第100-101页 |
| 6 复杂背景下树木图像提取技术实现与比较 | 第101-115页 |
| ·树木图像抠图系统实现 | 第101-106页 |
| ·系统设计 | 第101-102页 |
| ·系统简介 | 第101页 |
| ·需求分析 | 第101-102页 |
| ·开发平台和工具的选取 | 第102页 |
| ·系统主要功能模块 | 第102-104页 |
| ·树木图像抠图步骤 | 第104-106页 |
| ·抠图方法与分割方法提取树木图像分析比较 | 第106-114页 |
| ·抠图方法与分割方法提取树木图像分析 | 第106-113页 |
| ·抠图方法与分割方法提取树木图像比较 | 第113-114页 |
| ·本章小结 | 第114-115页 |
| 7 结论与展望 | 第115-117页 |
| ·主要结论 | 第115-116页 |
| ·未来研究工作的展望 | 第116-117页 |
| 参考文献 | 第117-125页 |
| 个人简介 | 第125-127页 |
| 导师简介 | 第127-129页 |
| 致谢 | 第129页 |