首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于无人机采集图像的植被识别方法研究

摘要第4-6页
Abstract第6-8页
第1章 绪论第12-27页
    1.1 研究背景与意义第12-17页
        1.1.1 研究背景第12-16页
        1.1.2 研究意义第16-17页
    1.2 国内外研究进展第17-23页
        1.2.1 无人机遥感技术发展现状第17-19页
        1.2.2 无人机图像处理方法第19-20页
        1.2.3 植被遥感解译的研究现状第20-23页
    1.3 研究内容、技术路线与组织结构第23-25页
        1.3.1 研究内容第23页
        1.3.2 技术路线第23-24页
        1.3.3 论文组织结构第24-25页
    1.4 研究的主要成果与创新点第25-26页
    本章小结第26-27页
第2章 无人机图像识别的方法体系第27-40页
    2.1 传统遥感影像获取与解译方法第27-33页
        2.1.1 遥感技术基本原理第27页
        2.1.2 遥感系统组成第27-28页
        2.1.3 遥感影像解译方法第28-33页
    2.2 无人机图像解译的特殊性第33-34页
    2.3 数字图像处理与识别方法第34-36页
        2.3.1 图像预处理第34-35页
        2.3.2 图像特征提取第35-36页
        2.3.3 分类和匹配第36页
    2.4 无人机图像植被识别方法体系第36-39页
    本章小结第39-40页
第3章 无人机图像获取与预处理方法第40-57页
    3.1 无人机图像获取平台第40-42页
    3.2 无人机航拍图像及影响因素第42-44页
        3.2.1 无人机航拍图像的流程第42-43页
        3.2.2 无人机航拍图像质量的影响因素第43-44页
    3.3 无人机图像预处理方法第44-56页
        3.3.1 无人机图像畸变纠正第44-46页
        3.3.2 无人机图像平滑第46-52页
        3.3.3 无人机图像增强第52-56页
    本章小结第56-57页
第4章 图像拼接及 SIFT 算法第57-85页
    4.1 图像拼接的流程第57页
    4.2 图像拼接的主要技术第57-67页
        4.2.1 图像配准技术第57-62页
        4.2.2 图像插值技术第62-64页
        4.2.3 图像融合技术第64-67页
    4.3 图像拼接算法第67-75页
        4.3.1 角点检测算法第67-72页
        4.3.2 特征点匹配算法第72-75页
    4.4 SIFT 算法及改进第75-84页
        4.4.1 SIFT 算法第75-82页
        4.4.2 基于无人机图像拼接的改进 SIFT 算法第82-84页
    本章小结第84-85页
第5章 图像特征提取与匹配第85-97页
    5.1 图像特征提取方法第85-87页
        5.1.1 图像对象的含义第85-86页
        5.1.2 图像特征及提取方法概述第86-87页
    5.2 颜色与纹理特征提取方法第87-93页
        5.2.1 HSV 颜色特征提取方法第87-89页
        5.2.2 Tamura 纹理特征提取方法第89-92页
        5.2.3 HSV-T 特征模型第92-93页
    5.3 图像匹配原理与方法第93-96页
        5.3.1 图像匹配技术概述第93-94页
        5.3.2 最近邻法图像匹配的基本原理第94-95页
        5.3.3 最近邻法的改进第95-96页
    本章小结第96-97页
第6章 无人机图像植被识别仿真实验第97-113页
    6.1 无人机图像植被识别流程框架第98页
    6.2 无人机图像分割第98-99页
    6.3 无人机图像特征提取第99-100页
        6.3.1 HSV 颜色特征提取第100页
        6.3.2 Tamura 纹理特征提取第100页
    6.4 无人机图像植被特征训练第100-101页
    6.5 无人机图像植被识别第101-111页
        6.5.1 识别原理与过程第101-107页
        6.5.2 植被识别精度评价第107-109页
        6.5.3 区域全景图植被识别的实现第109-111页
    6.6 实验结果总结第111-112页
    本章小结第112-113页
第7章 总结与展望第113-116页
    7.1 全文总结第113-114页
    7.2 研究展望第114-116页
致谢第116-117页
参考文献第117-127页
攻读博士学位期间取得的学术成果第127页

论文共127页,点击 下载论文
上一篇:孔隙—裂缝型储层预测方法研究
下一篇:涪陵地区茅口组岩溶古地貌恢复及储层预测研究