基于小型无人机图像配准的丘陵山区耕地变化监测研究

发布时间：2023-10-21 14:27

　　针对我国西南与东南地区丘陵山区的耕地变化监测研究,大量不同的思路、模型与方法已经被提出了。但是,如何构建高质量的变化检测差异图像至今仍是一个难题,差异图像中确定的变化类和未变化类结果,会直接决定检测后的最终结果。另外,在不同时间段利用小型无人机获取图像的过程中,可能导致被获取的同一场景的图像存在尺度变化,噪声,几何失真和光照变化等。为了解决这些问题,利用小型无人机本文提出了基于图像配准的丘陵山区耕地变化监测框架,其贡献包括:(i)双特征描述子(Dual Feature Descriptor,DFD):基于欧氏距离的全局特征和基于和向量的局部特征构造了DFD;(ii)多尺度描述子:通过经由预训练的VGG(Visual Geometry Group)网络形成的层和形状上下文(Shape Context,SC)构造了多尺度描述子;(iii)动态内点选择:在配准的初始阶段,粗略图像配准由最可靠的特征点快速确定。之后,再通过增加特征点的数量来优化配准细节;(iv)基于₂L E(L₂-minimizing Estimate)的双约束能量方程:在再生核希尔...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 课题的研究背景及其意义
    1.2 相关研究主要存在的问题
    1.3 本论文的主要研究内容
第2章 研究区域概况与数据源
    2.1 研究区域概况
    2.2 基于小型无人机的图像实时传输系统
        2.2.1 系统总体结构设计
        2.2.2 技术方案
    2.3 数据源
    2.4 本章小结
第3章 基于小型无人机图像配准的变化检测关键技术
    3.1 基于SURF的特征点提取
        3.1.1 特征点检测与定位
        3.1.2 特征点集生成
    3.2 图像混合特征
        3.2.1 单一特征描述子
        3.2.2 双特征描述子
        3.2.3 多尺度描述子
    3.3 混合特征有限混合模型
    3.4 动态内点选择
    3.5 基于L₂E的双约束能量方程
    3.6 基于模糊C均值聚类的预分类
    3.7 基于深度神经网络的预训练
    3.8 本章小结
第4章 算法框架流程
    4.1 基于混合特征的丘陵山区耕地多视角图像配准算法
        4.1.1 基于SURF的特征点提取
        4.1.2 对应关系评估
        4.1.3 空间变换更新
        4.1.4 图像配准
        4.1.5 伪代码及参数设置
    4.2 基于多尺度的丘陵山区耕地多时相图像变化检测算法
        4.2.1 基于多尺度描述子的图像配准算法
        4.2.2 基于深度神经网络的变化检测算法
        4.2.3 伪代码及参数设置
    4.3 本章小结
第5章 实验验证
    5.1 算法性能验证
        5.1.1 通过SURF方法提取小型无人机图像特征点集的优势
        5.1.2 单一特征与双征性能比较
        5.1.3 DNN结构对预训练结果的影响
        5.1.4 基于DNN变化检测的优化问题
    5.2 实验结果及分析
        5.2.1 评估标准
        5.2.2 多视角小型无人机图像配准实验结果及分析
        5.2.3 多时相小型无人机变化监测实验结果及分析
    5.3 本章小结
第6章 总结与展望
    6.1 总结
    6.2 未来研究展望
参考文献
攻读学位期间发表的学术论文和研究成果
致谢



本文编号：3856014