| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 1 前言 | 第11-18页 |
| 1.1 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 UAV发展研究现状 | 第12-13页 |
| 1.2.2 无人机遥感技术研究现状 | 第13-14页 |
| 1.2.3 影像中植被识别研究现状 | 第14-15页 |
| 1.3 存在的问题 | 第15-16页 |
| 1.4 研究目标与内容 | 第16-17页 |
| 1.4.1 研究目标 | 第16页 |
| 1.4.2 研究内容 | 第16-17页 |
| 1.5 技术路线 | 第17-18页 |
| 2 材料与方法 | 第18-31页 |
| 2.1 研究区概况 | 第18-20页 |
| 2.1.1 自然概况 | 第18-19页 |
| 2.1.2 主要植被形态特性 | 第19-20页 |
| 2.2 研究方法 | 第20-31页 |
| 2.2.1 航拍可见光影像的获取 | 第20-21页 |
| 2.2.2 航拍可见光影像的处理 | 第21-26页 |
| 2.2.3 计算机自动识别算法的选择 | 第26-31页 |
| 3 结果与分析 | 第31-61页 |
| 3.1 无人机航拍影像的人工识别 | 第31-36页 |
| 3.1.1 人工识别效果分析 | 第31-33页 |
| 3.1.2 确定航片与实际范围的比例 | 第33-34页 |
| 3.1.3 确定各植被类型所占比例 | 第34-36页 |
| 3.1.4 小结 | 第36页 |
| 3.2 应用两种算法对无人机可见光影像的自动识别 | 第36-51页 |
| 3.2.1 计算机学习算法对可见光影像中植被的识别结果分析 | 第36-47页 |
| 3.2.2 计算机对比算法对可见光影像中植被的识别结果分析 | 第47-50页 |
| 3.2.3 小结 | 第50-51页 |
| 3.3 两种算法的优化识别效果及对比分析 | 第51-61页 |
| 3.3.1 两种算法的识别优化过程分析 | 第51-54页 |
| 3.3.2 优化后计算机自动识别效果分析 | 第54-57页 |
| 3.3.3 两种算法对可见光影像中植被自动识别效果的对比分析 | 第57-60页 |
| 3.3.4 小结 | 第60-61页 |
| 4 结论与展望 | 第61-63页 |
| 4.1 结论 | 第61-62页 |
| 4.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
