| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 植被盖度的研究现状 | 第10-11页 |
| 1.2.2 图像分割的研究现状 | 第11-12页 |
| 1.3 论文的主要研究工作 | 第12-16页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 研究内容 | 第12-14页 |
| 1.3.3 技术路线 | 第14-16页 |
| 第二章 研究区概况与数据预处理 | 第16-28页 |
| 2.1 实验研究区介绍 | 第16-17页 |
| 2.2 数据介绍 | 第17-20页 |
| 2.2.1 无人机介绍 | 第17-19页 |
| 2.2.2 本研究使用的数据 | 第19-20页 |
| 2.3 无人机遥感影像预处理 | 第20-26页 |
| 2.3.1 影像裁剪 | 第20-21页 |
| 2.3.2 几何校正 | 第21-23页 |
| 2.3.3 Gamma校正的应用 | 第23-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 最大类间方差阈值提取和数学形态相结合的图像分割 | 第28-44页 |
| 3.1 无人机遥感影像芨芨草的影像增强 | 第28-33页 |
| 3.1.1 梯度变换 | 第29-32页 |
| 3.1.2 灰度变换 | 第32-33页 |
| 3.2 基于自适应中值滤波技术的影像噪声滤除 | 第33-34页 |
| 3.3 基于最大类间方差算法的图像分割 | 第34-37页 |
| 3.3.1 最大类间方差的阈值提取 | 第34-35页 |
| 3.3.2 最大类间方差的图像分割 | 第35-37页 |
| 3.4 二值化影像的数学形态学 | 第37-39页 |
| 3.4.1 结构元素 | 第37-38页 |
| 3.4.2 数学形态学处理的结果 | 第38-39页 |
| 3.5 实验结果与分析 | 第39-42页 |
| 3.5.1 回归分析 | 第40-41页 |
| 3.5.2 度量结果对比 | 第41-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 IAFSA-KM算法的图像分割 | 第44-58页 |
| 4.1 K-means聚类算法研究 | 第44-47页 |
| 4.1.1 K-means聚类算法过程 | 第44-46页 |
| 4.1.2 K-means算法的图像分割 | 第46-47页 |
| 4.2 实验结果与分析 | 第47-50页 |
| 4.2.1 回归分析 | 第48-49页 |
| 4.2.2 度量结果对比 | 第49-50页 |
| 4.3 人工鱼群(AFSA)算法分析 | 第50-52页 |
| 4.3.1 人工鱼群算法的四种基本行为 | 第50-52页 |
| 4.3.2 人工鱼群的算法实现步骤 | 第52页 |
| 4.4 基于IAFSA-KM算法的图像分割 | 第52-54页 |
| 4.5 实验结果与分析 | 第54-57页 |
| 4.5.1 回归分析 | 第55-56页 |
| 4.5.2 度量结果对比 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 总结和展望 | 第58-60页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |
| 攻读学位期间参与的项目经历 | 第66页 |