基于深度学习与半球摄影法的LAI测量仪研制

目录

声明

第一章绪论

1.1 研究工作的背景与意义

1.2 研究现状

1.2.1LAI测量技术现状

1.2.2基于深度学习的图像语义分割技术现状

1.3 论文研究内容与主要贡献

1.3.3主要工作贡献

第二章基于半球摄影的LAI测量法

2.1 摄影测量法应用与实现

2.1.1鱼眼图片数据获取与处理

2.1.2中心定位

2.1.3Lambert-Beer定律

2.2 传统图像分割方法

2.2.2HSV阈值分割法

2.3 分割决策方法

2.3.2线性判别分析理论

2.3.3LDA应用决策效果

2.4 本章小结

第三章基于Inception 分类模型的优化决策方法

3.1 LAI测量方法中的分类问题分析

3.2 卷积神经网络基本理论

3.3 Inception模型理论

3.3.2Inception模型改进思想

3.4 迁移学习

3.5 基于图片内容的分类方法

3.5.1图片类别划分与模型训练

3.5.2预测分类结果与传统方法的对比

3.6 本章小结

第四章基于多种图像分割模型的分割方法

4.1 训练样本制作方法

4.1.2Graph Cut交互式分割

4.1.3SLIC超像素分割

4.2 语义分割套件

4.2.2图像分割结果评价指标

4.3 图像训练结果与分析

4.4 本章小结

第五章基于Pix2pix对抗生成模型的分割方法

5.1 模型选择与分析

5.2 Pix2pix模型理论

5.2.1c_GAN

5.2.2生成结构

5.2.3判别结构

5.3 生成网络结构的不足与改进

5.4 图像分割结果与分析

5.4.2Pix2pix模型性能与传统方法对比

5.4.3改进的Pix2pix模型性能表现

5.4.4量化分析与评价

5.5 本章小结

第六章系统设计与实验

6.1 Jetson TX2介绍

6.2 软件界面与功能

6.3 软件环境与移植

6.3.2软件依赖项

6.4 TensorRT模型加速

6.5 整机实验图

6.6 本章小结

第七章总结与展望

7.1 工作总结

7.2 展望

致谢

参考文献

攻读硕士期间取得的成果