基于无人机图像的山区烟株数量统计方法与试验
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 无人机遥感研究现状 | 第9-10页 |
| 1.2.2 图像处理技术研究现状 | 第10页 |
| 1.2.3 基于无人机图像的农业应用研究现状 | 第10-12页 |
| 1.2.4 基于无人机图像的烟株数量统计研究现状 | 第12页 |
| 1.3 研究内容与研究方法 | 第12-14页 |
| 1.3.1 研究目标 | 第12-13页 |
| 1.3.2 研究内容 | 第13页 |
| 1.3.3 技术路线 | 第13-14页 |
| 1.4 本章小结 | 第14-16页 |
| 第2章 无人机图像获取及预处理 | 第16-36页 |
| 2.1 无人机图像获取 | 第16-22页 |
| 2.1.1 图像获取装置 | 第16-18页 |
| 2.1.2 图像获取流程 | 第18-21页 |
| 2.1.3 图像获取影响因素分析 | 第21-22页 |
| 2.2 无人机图像预处理 | 第22-34页 |
| 2.2.1 图像裁剪 | 第22-23页 |
| 2.2.2 图像畸变校正 | 第23-25页 |
| 2.2.3 图像灰度化处理 | 第25-29页 |
| 2.2.4 图像平滑增强 | 第29-34页 |
| 2.3 本章小结 | 第34-36页 |
| 第3章 无人机图像拼接 | 第36-44页 |
| 3.1 图像拼接方法 | 第36页 |
| 3.2 图像拼接流程 | 第36-40页 |
| 3.2.1 重叠区域确定 | 第38-39页 |
| 3.2.2 特征点检测 | 第39页 |
| 3.2.3 特征点匹配 | 第39-40页 |
| 3.2.4 特征点优化 | 第40页 |
| 3.3 图像拼接结果及分析 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 田间杂草识别 | 第44-60页 |
| 4.1 图像分割 | 第44-50页 |
| 4.1.1 基于颜色特征的背景分割 | 第44-48页 |
| 4.1.2 基于最大类间方差法的阈值分割 | 第48-50页 |
| 4.2 杂草识别 | 第50-58页 |
| 4.2.1 基于位置特征的苗期田间杂草识别 | 第50-55页 |
| 4.2.2 基于形态学特征的错误识别后处理 | 第55-58页 |
| 4.3 本章小结 | 第58-60页 |
| 第5章 烟株图像识别 | 第60-72页 |
| 5.1 烟株识别影响因素分析 | 第60-65页 |
| 5.1.1 光照强度的影响 | 第60-61页 |
| 5.1.2 地形坡度的影响 | 第61-62页 |
| 5.1.3 烟苗空缺的影响 | 第62-63页 |
| 5.1.4 飞行高度的影响 | 第63-65页 |
| 5.2 烟株识别最佳时段研究 | 第65-67页 |
| 5.3 烟株计数软件平台搭建 | 第67-70页 |
| 5.4 本章小结 | 第70-72页 |
| 第6章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-82页 |
