基于大疆无人机的城市用地动态检测研究
发布时间：2022-10-19 17:20
随着经济体的持续飞速提升,以及城市化进程步调疾速推进,居住环境逐渐拥挤,人类社会活动不断频繁。研究基于大疆无人机影像的城市地区的动态变化,将是一种值得探索的视觉工作。但是,选择何种稳定且可行的分类策略,针对潜在差异信息实现精准捕获,将是一项有意思且紧迫的任务。此外,在两个采集日期的光照条件、大气条件、传感器差异和地面湿度存在不同程度的差异,容易使得多时相数据对的对齐（如反射噪声）问题难度大。为了解决上述问题,本文基于大疆无人机,将配准和检测联合开发一种二阶段城市用地检测算法框架,其贡献包括:（1）采用比SIFT（Scale Invariant Feature Transform）算法默认阈值更低的值提取最多的特征点,然后通过动态地调节阈值从而建立一个从粗略到精确的图像变换;（2）在贡献（1）中筛选出的冗余点在空间背景保持项的控制下起到控制点的作用,用于控制网格化图像的运动,实现对图像非重合区域的合理近似;（3）提出了动态高斯核来控制特征点的位移距离,使图像变换从刚性逐渐变为非刚性。（4）基于模糊C均值聚类（Fuzzy CMeans,FCM）分类器生成相似邻域像素联合矩阵,然后利用滤波技...
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究目的与意义
1.2 相关研究现状
1.2.1 动态检测相关研究
1.2.2 配准相关研究
1.3 相关研究存在的问题
1.4 主要研究内容及章节安排
第2章 研究区域与数据源
2.1 研究区域
2.2 数据来源
2.3 本章小结
第3章 基于大疆无人机的动态检测关键技术
3.1 图像特征描述子
3.1.1 空间背景特征描述子
3.1.2 EOH-SIFT描述子
3.2 基于混合代价的高斯混合模型
3.3 SIFT动态阈值模型
3.4 局部背景结构相似性保持
3.5 动态高斯核
3.6 模糊C均值聚类
3.7 受限玻尔兹曼机
3.8 本章小结
第4章 算法框架流程
4.1 基于内点最大化和冗余点控制的UAV图像配准算法
4.1.1 SIFT检测特征点
4.1.2 特征点集的配准
4.1.3 图像转换
4.1.4 算法细节
4.2 基于深度神经网络的城市用地动态检测算法
4.2.1 基于FCM的预分类
4.2.2 DNN构建与预训练
4.2.3 算法细节
4.3 本章小结
第5章 实验分析
5.1 算法精度评价指标
5.2 实验结果及分析
5.2.1 UAV遥感图像特征点匹配实验比较
5.2.2 UAV遥感图像配准实验比较
5.2.3 UAV遥感动态检测实验比较
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 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
【参考文献】：
期刊论文
[1]COSMO-SkyMed时序影像南京城市变化检测研究[J]. 王源,陈富龙,胡祺,唐攀攀. 遥感技术与应用. 2019(05)
[2]中国无人机遥感技术突破与产业发展综述[J]. 晏磊,廖小罕,周成虎,樊邦奎,龚健雅,崔鹏,郑玉权,谭翔. 地球信息科学学报. 2019(04)
[3]基于双特征高斯混合模型和双约束空间变换的配准[J]. 魏梓泉,杨扬,张愫,杨昆. 软件学报. 2018(11)
[4]多尺度特征点聚类的图像配准算法[J]. 王薇,王展青. 小型微型计算机系统. 2017(11)
[5]无人机系统与人工智能[J]. 樊邦奎,张瑞雨. 武汉大学学报(信息科学版). 2017(11)
[6]樊邦奎院士:六大方向,知悉无人机的未来[J]. 樊邦奎. 机器人产业. 2017(01)
[7]高分辨率遥感图像配准控制点均匀化算法[J]. 马旭燕,袁媛,汪承义,陈静波,贺东旭. 遥感信息. 2016(03)
[8]基于BP神经网络的多特征融合变化检测方法[J]. 郝睿,徐俊峰,王庆宝,张保明. 海洋测绘. 2016(01)
[9]GSSAC:一种用于遥感影像配准的误匹配点检测方法[J]. 单小军,唐娉,郑柯. 计算机应用研究. 2016(05)
[10]广西土地利用特征及生物多样性指数变化分析[J]. 李彪,卢远,许贵林,蒙良莉. 大众科技. 2015(09)
硕士论文
[1]基于遥感图像配准的非结构化道路变化检测算法研究[D]. 但婷婷.云南师范大学 2019
[2]基于小型无人机图像配准的丘陵山区耕地变化监测研究[D]. 宋飞.云南师范大学 2019
[3]基于有限混合模型和局部结构约束的非刚性点集配准算法研究及其应用[D]. 张愫.云南师范大学 2018
[4]基于吉布斯采样的模体识别算法研究[D]. 戈鲁宁.西安电子科技大学 2010
[5]基于主成分分析的人工神经网络人脸识别方法的研究[D]. 李莉.中国海洋大学 2004
本文编号：3693788
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究目的与意义
1.2 相关研究现状
1.2.1 动态检测相关研究
1.2.2 配准相关研究
1.3 相关研究存在的问题
1.4 主要研究内容及章节安排
第2章 研究区域与数据源
2.1 研究区域
2.2 数据来源
2.3 本章小结
第3章 基于大疆无人机的动态检测关键技术
3.1 图像特征描述子
3.1.1 空间背景特征描述子
3.1.2 EOH-SIFT描述子
3.2 基于混合代价的高斯混合模型
3.3 SIFT动态阈值模型
3.4 局部背景结构相似性保持
3.5 动态高斯核
3.6 模糊C均值聚类
3.7 受限玻尔兹曼机
3.8 本章小结
第4章 算法框架流程
4.1 基于内点最大化和冗余点控制的UAV图像配准算法
4.1.1 SIFT检测特征点
4.1.2 特征点集的配准
4.1.3 图像转换
4.1.4 算法细节
4.2 基于深度神经网络的城市用地动态检测算法
4.2.1 基于FCM的预分类
4.2.2 DNN构建与预训练
4.2.3 算法细节
4.3 本章小结
第5章 实验分析
5.1 算法精度评价指标
5.2 实验结果及分析
5.2.1 UAV遥感图像特征点匹配实验比较
5.2.2 UAV遥感图像配准实验比较
5.2.3 UAV遥感动态检测实验比较
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 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
【参考文献】：
期刊论文
[1]COSMO-SkyMed时序影像南京城市变化检测研究[J]. 王源,陈富龙,胡祺,唐攀攀. 遥感技术与应用. 2019(05)
[2]中国无人机遥感技术突破与产业发展综述[J]. 晏磊,廖小罕,周成虎,樊邦奎,龚健雅,崔鹏,郑玉权,谭翔. 地球信息科学学报. 2019(04)
[3]基于双特征高斯混合模型和双约束空间变换的配准[J]. 魏梓泉,杨扬,张愫,杨昆. 软件学报. 2018(11)
[4]多尺度特征点聚类的图像配准算法[J]. 王薇,王展青. 小型微型计算机系统. 2017(11)
[5]无人机系统与人工智能[J]. 樊邦奎,张瑞雨. 武汉大学学报(信息科学版). 2017(11)
[6]樊邦奎院士:六大方向,知悉无人机的未来[J]. 樊邦奎. 机器人产业. 2017(01)
[7]高分辨率遥感图像配准控制点均匀化算法[J]. 马旭燕,袁媛,汪承义,陈静波,贺东旭. 遥感信息. 2016(03)
[8]基于BP神经网络的多特征融合变化检测方法[J]. 郝睿,徐俊峰,王庆宝,张保明. 海洋测绘. 2016(01)
[9]GSSAC:一种用于遥感影像配准的误匹配点检测方法[J]. 单小军,唐娉,郑柯. 计算机应用研究. 2016(05)
[10]广西土地利用特征及生物多样性指数变化分析[J]. 李彪,卢远,许贵林,蒙良莉. 大众科技. 2015(09)
硕士论文
[1]基于遥感图像配准的非结构化道路变化检测算法研究[D]. 但婷婷.云南师范大学 2019
[2]基于小型无人机图像配准的丘陵山区耕地变化监测研究[D]. 宋飞.云南师范大学 2019
[3]基于有限混合模型和局部结构约束的非刚性点集配准算法研究及其应用[D]. 张愫.云南师范大学 2018
[4]基于吉布斯采样的模体识别算法研究[D]. 戈鲁宁.西安电子科技大学 2010
[5]基于主成分分析的人工神经网络人脸识别方法的研究[D]. 李莉.中国海洋大学 2004
本文编号：3693788
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3693788.html
