| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1. 绪论 | 第11-19页 |
| 1.1 选题依据及研究意义 | 第11-12页 |
| 1.1.1 研究依据 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 植被提取的研究现状 | 第12-17页 |
| 1.2.1 基于假彩色的植被提取的研究现状 | 第12-13页 |
| 1.2.2 近景可见光条件下的树木提取的研究现状 | 第13-17页 |
| 1.3 本文的主要内容 | 第17页 |
| 1.4 本文的重点和难点安排 | 第17-18页 |
| 1.5 本文的章节安排 | 第18-19页 |
| 2. 图像分割基础 | 第19-48页 |
| 2.1 图像分割的基本理论 | 第19页 |
| 2.2 图像分割的基础方法 | 第19-44页 |
| 2.2.1 阈值分割 | 第19-22页 |
| 2.2.2 边缘检测 | 第22-28页 |
| 2.2.3 区域分割 | 第28-35页 |
| 2.2.4 聚类方法 | 第35-44页 |
| 2.3 图像分割的发展趋势 | 第44-45页 |
| 2.4 图像分割精度评定 | 第45-46页 |
| 2.5 本章小结 | 第46-48页 |
| 3. 可见光条件下建筑物影像中树木图像分割方法研究 | 第48-65页 |
| 3.1 基于纹理的树木图像分割 | 第48-52页 |
| 3.2 CIE L~*a~*b色彩空间及其特征选择 | 第52-62页 |
| 3.2.1 基于a特征的冠层提取 | 第52-54页 |
| 3.2.2 基于L特征的树干提取 | 第54-55页 |
| 3.2.3 非树木区域剔除研究 | 第55-62页 |
| 3.3 基于CIE L~*a~*b色彩空间和CV模型的树木提取研究 | 第62-64页 |
| 3.4 本章小结 | 第64-65页 |
| 4. 实验与分析 | 第65-70页 |
| 4.1 各种分割算法精度评定 | 第65-66页 |
| 4.2 实验结果 | 第66-69页 |
| 4.3 本章小结 | 第69-70页 |
| 5. 结论与展望 | 第70-72页 |
| 5.1 主要结论 | 第70-71页 |
| 5.2 未来研究工作的展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |
