| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-18页 |
| 1.3 本文的研究内容及结构安排 | 第18-22页 |
| 1.3.1 本文研究内容 | 第18-20页 |
| 1.3.2 本文组织结构 | 第20-21页 |
| 1.3.3 研究的主要成果与创新点 | 第21-22页 |
| 第2章 无人机图像处理的关键技术及植被识别架构 | 第22-29页 |
| 2.1 常用的无人机图像处理关键技术 | 第22-27页 |
| 2.1.1 无人机图像去噪技术 | 第23-24页 |
| 2.1.2 无人机图像分割技术 | 第24-25页 |
| 2.1.3 无人机图像拼接技术 | 第25-26页 |
| 2.1.4 无人机图像识别技术 | 第26-27页 |
| 2.2 无人机图像植被识别架构 | 第27-28页 |
| 本章小结 | 第28-29页 |
| 第3章 无人机图像去噪研究 | 第29-48页 |
| 3.1 无人机图像噪声产生 | 第29-31页 |
| 3.1.1 无人机图像噪声来源 | 第29页 |
| 3.1.2 图像噪声模型 | 第29-31页 |
| 3.2 经典的无人机图像去噪理论 | 第31-42页 |
| 3.2.1 基于偏微分方程的图像去噪 | 第31-33页 |
| 3.2.2 基于分数阶PDE的图像去噪 | 第33-35页 |
| 3.2.3 基于多尺度分析的图像去噪 | 第35-42页 |
| 3.3 基于多目标PSO算法的图像去噪 | 第42-44页 |
| 3.3.1 多目标PSO算法 | 第42-43页 |
| 3.3.2 基于改进Shearlet算法的无人机图像去噪 | 第43-44页 |
| 3.4 实验结果与分析 | 第44-47页 |
| 本章小结 | 第47-48页 |
| 第4章 无人机图像分割研究 | 第48-71页 |
| 4.1 图像分割的实质 | 第48页 |
| 4.2 无人机图像分割算法理论基础 | 第48-54页 |
| 4.2.1 基于阈值的图像分割 | 第48-49页 |
| 4.2.2 基于区域生长和分裂合并的图像分割 | 第49-51页 |
| 4.2.3 基于模糊理论的图像分割 | 第51-52页 |
| 4.2.4 基于边缘检测的图像分割 | 第52-54页 |
| 4.3 基于四元数蜂群算法的无人机彩色图像边缘检测 | 第54-63页 |
| 4.3.1 基于四元数的无人机彩色图像边缘原理 | 第55-57页 |
| 4.3.2 本文提出的两个新搜索公式 | 第57-58页 |
| 4.3.3 基于四元数的改进蜂群算法彩色图像边缘判断 | 第58-59页 |
| 4.3.4 实验结果和分析 | 第59-63页 |
| 4.4 基于改进布谷鸟算法无人机彩色图像多阈值分割 | 第63-70页 |
| 4.4.1 Tsallis熵的无人机图像多阈值分割原理 | 第64-65页 |
| 4.4.2 本文提出的改进布谷鸟搜索算法 | 第65-67页 |
| 4.4.3 基于改进布谷鸟算法的彩色图像分割 | 第67页 |
| 4.4.4 实验结果与分析 | 第67-70页 |
| 本章小结 | 第70-71页 |
| 第5章 无人机图像拼接研究 | 第71-86页 |
| 5.1 无人机图像拼接的内容 | 第71-73页 |
| 5.2 图像配准 | 第73-78页 |
| 5.2.1 基于像素的图像配准 | 第73-74页 |
| 5.2.2 基于变换域的图像配准 | 第74-75页 |
| 5.2.3 基于特征的图像配准 | 第75-78页 |
| 5.3 图像融合 | 第78-80页 |
| 5.3.1 基于空域的图像融合 | 第78-79页 |
| 5.3.2 基于变换域的图像融合 | 第79-80页 |
| 5.4 基于改进SIFT算法的特征提取 | 第80-82页 |
| 5.5 实验结果与分析 | 第82-85页 |
| 本章小结 | 第85-86页 |
| 第6章 基于卷积神经网络的无人机图像植被识别 | 第86-97页 |
| 6.1 卷积神经网络 | 第87-89页 |
| 6.1.1 卷积神经网络结构 | 第87-88页 |
| 6.1.2 卷积神经网络参数、权值设置及更新 | 第88-89页 |
| 6.2 本文提出的改进k-means特征学习算法 | 第89-90页 |
| 6.3 基于卷积神经网络的植被图像识别原理 | 第90-91页 |
| 6.4 本文中的无人机图像植被识别体系 | 第91-93页 |
| 6.5 实验结果与分析 | 第93-95页 |
| 本章小结 | 第95-97页 |
| 结论 | 第97-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-115页 |
| 攻读学位期间取得的学术成果 | 第115页 |
