| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 引言 | 第9-21页 |
| ·研究背景与意义 | 第9-10页 |
| ·研究现状 | 第10-16页 |
| ·土壤侵蚀监测方法 | 第10-14页 |
| ·国外研究现状 | 第14页 |
| ·国内研究现状 | 第14-16页 |
| ·存在的问题及发展趋势 | 第16-18页 |
| ·图像处理技术在测量方面的应用 | 第18-20页 |
| ·本文研究工作和章节设置 | 第20-21页 |
| 2 土壤侵蚀的图像预处理算法研究 | 第21-34页 |
| ·图像灰度化 | 第21-22页 |
| ·最大值法 | 第21页 |
| ·平均值法 | 第21页 |
| ·加权平均值法 | 第21-22页 |
| ·图像灰度变换 | 第22-24页 |
| ·线性变换 | 第22-23页 |
| ·非线性变换 | 第23-24页 |
| ·图像去噪 | 第24-26页 |
| ·均值滤波 | 第24-25页 |
| ·中值滤波 | 第25-26页 |
| ·图像二值化 | 第26-27页 |
| ·图像边缘检测 | 第27-28页 |
| ·基于一阶导数的边缘检测算子 | 第27页 |
| ·基于二阶导数的边缘检测算子 | 第27-28页 |
| ·各种边缘检测算子比较 | 第28页 |
| ·图像的形态学处理 | 第28-33页 |
| ·膨胀 | 第29-30页 |
| ·腐蚀 | 第30-31页 |
| ·开运算和闭运算 | 第31页 |
| ·数学形态学主要应用 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 3 基于K-means聚类的土壤侵蚀图像分割 | 第34-48页 |
| ·基于阈值的图像分割 | 第34-36页 |
| ·聚类算法概述 | 第36页 |
| ·K-means聚类算法 | 第36-39页 |
| ·K-means聚类算法原理 | 第36-38页 |
| ·K-means聚类算法缺陷 | 第38-39页 |
| ·K-means聚类算法中聚类个数的确定 | 第38页 |
| ·K-means聚类算法中初始聚类中心的选择 | 第38-39页 |
| ·相似度的度量方法 | 第39页 |
| ·基于K-means聚类的图像分割算法改进 | 第39-47页 |
| ·确定K-means聚类算法的聚类个数 | 第39-40页 |
| ·对K-means聚类算法中选择初始聚类中心的改进 | 第40-42页 |
| ·随机选择初始聚类中心的弊端 | 第40-41页 |
| ·以灰度图峰值为初始聚类中心 | 第41-42页 |
| ·对相似度度量方法改进 | 第42-44页 |
| ·变异系数赋权法 | 第43页 |
| ·基于加权欧式距离的K-means聚类算法 | 第43-44页 |
| ·改进的K-means聚类算法 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 4 基于参照物的土壤侵蚀面积测量 | 第48-56页 |
| ·测量原理 | 第48页 |
| ·土壤侵蚀图像特征提取 | 第48-52页 |
| ·土壤侵蚀图像特征提取流程图 | 第48-49页 |
| ·土壤侵蚀图像特征提取步骤 | 第49-50页 |
| ·土壤侵蚀图像特征提取实例 | 第50-52页 |
| ·实验方法 | 第52-53页 |
| ·小尺寸实验 | 第52-53页 |
| ·大尺寸实验 | 第53页 |
| ·精度验证 | 第53-54页 |
| ·实际侵蚀面积测量 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 5 软件平台开发 | 第56-63页 |
| ·软件总界面 | 第56页 |
| ·图像预处理 | 第56-57页 |
| ·图像增强 | 第57-58页 |
| ·图像分割 | 第58-59页 |
| ·边缘检测 | 第59-60页 |
| ·图像形态学处理 | 第60-61页 |
| ·测量结果计算 | 第61页 |
| ·本章小结 | 第61-63页 |
| 6 结论与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 个人简介 | 第68-69页 |
| 导师简介 | 第69-70页 |
| 获得成果目录 | 第70-71页 |
| 致谢 | 第71页 |