| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 硬件支持的高光补偿方法 | 第14-15页 |
| 1.2.2 基于实验室标定的序列影像高光补偿方法 | 第15-18页 |
| 1.2.3 基于双色反射模型的单张影像高光补偿方法 | 第18-20页 |
| 1.3 目前存在的主要问题 | 第20-22页 |
| 1.4 论文的主要工作及内容安排 | 第22-23页 |
| 第二章 高光处理基本理论 | 第23-41页 |
| 2.1 真正射影像生成原理概述 | 第23-26页 |
| 2.1.1 基于DBM/DSM的真正射影像制作 | 第23-24页 |
| 2.1.2 基于SfM算法和MVS算法的真正射影像制作 | 第24-25页 |
| 2.1.3 真正射影像与水体高光 | 第25-26页 |
| 2.2 反射原理概述 | 第26-33页 |
| 2.2.1 反射的基本概念 | 第26-28页 |
| 2.2.2 双射反射模型 | 第28-30页 |
| 2.2.3 高光像素在颜色立方体中的分布特点 | 第30页 |
| 2.2.4 镜面反射-漫反射机制 | 第30-33页 |
| 2.3 DRM在去除水体高光中的可行性 | 第33-36页 |
| 2.4 基于高光分量的初步提取高光区域 | 第36-38页 |
| 2.5 基于Grbcut算法的初始高光区域精化 | 第38-40页 |
| 2.5.1 GrabCut算法基本理论 | 第38-39页 |
| 2.5.2 基于Grabcut算法的水体高光初步优化结果 | 第39-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 基于决策树的误检测高光剔除 | 第41-51页 |
| 3.1 经典决策树算法简述 | 第41-46页 |
| 3.1.1 ID3算法 | 第42-43页 |
| 3.1.2 C4.5算法 | 第43-44页 |
| 3.1.3 CART算法 | 第44-46页 |
| 3.2 特征选择 | 第46-48页 |
| 3.2.1 形状属性 | 第46-48页 |
| 3.2.2 光谱特征 | 第48页 |
| 3.3 误检测高光剔除 | 第48-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于Criminisi算法的水体高光补偿 | 第51-56页 |
| 4.1 基于Grabcut提取高光所在水域 | 第51-52页 |
| 4.2 临近高光点检测 | 第52-53页 |
| 4.3 改进的Criminisi算法 | 第53-55页 |
| 4.3.1 Criminisi算法 | 第53-54页 |
| 4.3.2 改进的Criminisi算法 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 无人机影像水体高光检测与补偿实验 | 第56-63页 |
| 5.1 试验数据 | 第56-57页 |
| 5.2 水体高光检测结果 | 第57页 |
| 5.3 水体高光补偿结果与对比 | 第57-60页 |
| 5.4 客观指标评价 | 第60-61页 |
| 5.5 本文算法用于真正射影像生成结果 | 第61-62页 |
| 5.6 本章小结 | 第62-63页 |
| 总结与展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
