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