| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文主要研究内容 | 第10-11页 |
| 1.4 全文结构信息 | 第11-13页 |
| 2 图像分割技术 | 第13-18页 |
| 2.1 基本理论 | 第13-14页 |
| 2.2 算法简介 | 第14-17页 |
| 2.2.1 基于阈值的图像分割算法 | 第14页 |
| 2.2.2 基于聚类的图像分割方法 | 第14-16页 |
| 2.2.3 基于边缘及区域的图像分割算法 | 第16-17页 |
| 2.2.4 其他图像分割算法 | 第17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 受灾沙棘无人机图像分析算法研究 | 第18-26页 |
| 3.1 标记分水岭算法 | 第18-19页 |
| 3.2 分数阶微积分 | 第19页 |
| 3.3 基于分数阶微分的标记分水岭图像分割算法 | 第19-21页 |
| 3.4 实验结果与分析 | 第21-25页 |
| 3.4.1 一般无人机图像分割结果及分析 | 第21-23页 |
| 3.4.2 受灾沙棘无人机图像分割结果及分析 | 第23-25页 |
| 3.5 本章小结 | 第25-26页 |
| 4 受灾油松无人机图像分析技术 | 第26-42页 |
| 4.1 严重受灾的油松无人机图像分析算法 | 第27-30页 |
| 4.1.1 二型模糊聚类图像分割算法 | 第27-28页 |
| 4.1.2 实验结果与分析 | 第28-30页 |
| 4.2 轻度受灾油松无人机图像分析方法及受灾级别判定 | 第30-41页 |
| 4.2.1 纹理特征简介 | 第30-36页 |
| 4.2.2 基于纹理特征及失叶率的油松受灾级别判定 | 第36-41页 |
| 4.2.3 结论 | 第41页 |
| 4.3 本章小结 | 第41-42页 |
| 5 森林病虫害无人机图像分割算法比较 | 第42-53页 |
| 5.1 实验条件 | 第42-44页 |
| 5.1.1 选用算法 | 第42页 |
| 5.1.2 测试图像组 | 第42-43页 |
| 5.1.3 评价测度 | 第43-44页 |
| 5.2 实验结果及分析 | 第44-51页 |
| 5.2.1 不同高度图像分割效果比较 | 第44-45页 |
| 5.2.2 相同高度图像分割结果比较 | 第45-50页 |
| 5.2.3 噪声对图像分割结果的影响 | 第50-51页 |
| 5.3 本章小结 | 第51-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 全文工作总结 | 第53-54页 |
| 6.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 个人简介 | 第60-61页 |
| 导师简介 | 第61-62页 |
| 获得成果目录 | 第62-63页 |
| 致谢 | 第63页 |