小波理论在无人机遥感测温数据处理中的应用研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 引言 | 第7-8页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题的研究背景 | 第8-12页 |
| 1.1.1 核电站海域温度监测必要性及测量现状 | 第9-10页 |
| 1.1.2 海面温度测量新方法 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的研究内容及结构安排 | 第13-15页 |
| 2 图像拼接融合关键技术分析及图像预处理 | 第15-27页 |
| 2.1 图像拼接技术流程 | 第15-16页 |
| 2.2 图像预处理 | 第16-26页 |
| 2.2.1 Optris红外热成像仪简介 | 第16-20页 |
| 2.2.2 广角畸变校正方法 | 第20-26页 |
| 2.3 小结 | 第26-27页 |
| 3 小波理论在无人机遥感图像拼接融合中的应用 | 第27-43页 |
| 3.1 引言 | 第27-29页 |
| 3.2 Harris角点检测算法 | 第29-33页 |
| 3.3 SIFT特征提取算法 | 第33-36页 |
| 3.3.1 基本原理与实现步骤 | 第33-36页 |
| 3.4 小波理论对于SIFT算法的改进 | 第36-40页 |
| 3.5 图像融合评价 | 第40-42页 |
| 3.5.1 图像融合的主观评价 | 第41页 |
| 3.5.2 图像融合的客观评价 | 第41-42页 |
| 3.6 小结 | 第42-43页 |
| 4 小波神经网络在温度拟合中的应用 | 第43-57页 |
| 4.1 无人机航空遥感测量 | 第43-45页 |
| 4.1.1 无人机航空遥感监测工作范围 | 第43-44页 |
| 4.1.2 无人机航线规划 | 第44-45页 |
| 4.1.3 测量叠片率说明 | 第45页 |
| 4.2 船舶海面温度测量 | 第45-47页 |
| 4.2.1 测量船只 | 第45页 |
| 4.2.2 海面测量工程布置 | 第45-47页 |
| 4.3 浮标布设 | 第47-48页 |
| 4.4 基于人工神经网络的测温拟合 | 第48-50页 |
| 4.5 基于小波神经网络的温度拟合 | 第50-55页 |
| 4.5.1 小波分析 | 第50-51页 |
| 4.5.2 小波神经网络温度拟合应用 | 第51-55页 |
| 4.6 误差对比 | 第55页 |
| 4.7 小结 | 第55-57页 |
| 5 结论 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 存在的问题以及未来展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-65页 |
