摘要 | 第1-7页 |
Abstract | 第7-11页 |
第1章 绪论 | 第11-18页 |
·课题背景和研究现状 | 第11-16页 |
·无人机着陆技术的研究背景及现状 | 第11-14页 |
·地貌分类方法的研究现状 | 第14页 |
·图像特征识别算法的研究现状 | 第14-16页 |
·课题内容及安排 | 第16-17页 |
·本章小结 | 第17-18页 |
第2章 无人机着陆点识别系统总体设计 | 第18-23页 |
·无人机着陆点识别系统硬件设备设计 | 第18-19页 |
·无人机着陆点识别系统硬件设备组成 | 第18页 |
·室内硬件设备实验平台 | 第18-19页 |
·无人机着陆点识别系统软件总体结构设计 | 第19-21页 |
·软件系统总体结构 | 第19-20页 |
·各子模块功能介绍 | 第20-21页 |
·本章小结 | 第21-23页 |
第3章 基于多尺度几何分析的地貌图像分解 | 第23-37页 |
·多尺度几何分析发展现状 | 第23-24页 |
·多尺度几何分析—CONTOURLET 变换 | 第24-28页 |
·Contourlet 变换的基本思想 | 第24-25页 |
·拉普拉斯金字塔分解说明 | 第25-27页 |
·方向滤波器组的设计 | 第27-28页 |
·基于CONTOURLET 变换的图像分解方法 | 第28-31页 |
·基于小波—CONTOURLET 变换的图像分解方法 | 第31-36页 |
·本章小结 | 第36-37页 |
第4章 地貌图像分类特征提取及识别算法研究 | 第37-56页 |
·基于HU 矩的特征提取算法设计 | 第38-41页 |
·Hu 矩原理 | 第38-39页 |
·基于Hu 矩的图像特征提取 | 第39-41页 |
·基于ZERNIKE 矩的图像特征提取算法设计 | 第41-46页 |
·Zernike 矩原理 | 第42-44页 |
·基于Zernike 矩的图像特征提取 | 第44-46页 |
·基于图像纹理的特征提取算法设计 | 第46-49页 |
·图像纹理的特征分析 | 第46-47页 |
·基于图像纹理的特征提取 | 第47-49页 |
·图像分类特征识别库建立 | 第49-52页 |
·三类特征的比较分析 | 第49-50页 |
·基于图像纹理的特征筛选 | 第50-51页 |
·图像分类特征识别库规则的建立 | 第51-52页 |
·图像匹配聚类算法设计 | 第52-54页 |
·图像块匹配算法设计 | 第52-53页 |
·图像K-means 法点聚类设计 | 第53-54页 |
·本章小结 | 第54-56页 |
第5章 无人机着陆点识别系统的实现 | 第56-73页 |
·无人机着陆点识别系统算法的整体流程图 | 第56-57页 |
·图像预处理算法的实现 | 第57-63页 |
·图像剪裁 | 第57-58页 |
·图像均值滤波 | 第58-60页 |
·彩色图像的灰度化 | 第60-61页 |
·灰度级归一化 | 第61-62页 |
·图像预处理算法总体效果 | 第62-63页 |
·基于CONTOURLET 变换的图像特征提取 | 第63-64页 |
·图像分块 | 第63-64页 |
·图像contourlet 变换 | 第64页 |
·图像特征提取 | 第64页 |
·基于特征库的块匹配识别算法的实现 | 第64-66页 |
·块匹配识别流程图 | 第64-65页 |
·块匹配识别过程 | 第65-66页 |
·基于K-MEANS 法的点聚类识别算法的实现 | 第66-68页 |
·点聚类识别流程图 | 第66页 |
·点聚类识别过程 | 第66-68页 |
·无人机着陆点识别系统的实现及仿真验证 | 第68-71页 |
·无人机着陆点识别系统的实现 | 第68-70页 |
·无人机着陆点识别系统仿真验证 | 第70-71页 |
·本章小结 | 第71-73页 |
结论 | 第73-75页 |
参考文献 | 第75-78页 |
致谢 | 第78-79页 |
攻读硕士期间发表(含录用)的学术论文 | 第79页 |