基于深度学习的无人机遥感图像目标识别方法研究
发布时间：2021-10-16 06:37
北京是地质安全问题较多的城市之一,对交通网络影响较大的地质灾害种类有泥石流、山体滑坡、岩石崩塌等突发性灾害。北京打造的“一环六放射”交通网络,几乎都穿过地质灾害易发区,灾害发生后需要及时提供应急响应和抢险救援。随着测绘科学技术的发展、环境保护和减灾赈灾等需求,无人机的优点愈来愈显现出来,它们在军事领域和国民经济中得到了越来越广泛的应用。无人机具有全天候、高分辨率、远距离、实时性、保密性、小型化、通用化等优点,使得它们在地质灾害中的应用日渐成熟。无人机和遥感的组合技术已经在地质灾害监测中的得到广泛的应用。遥感图像的分类识别最早是通过人工目视解译方法判别地物类别,这种方法需要较高的专业知识且耗时较长,随着计算机视觉技术的发展,图像特征逐渐被应用到遥感图像分类识别中,但是这种方法需要大量的训练样本和专家知识,实际中不能很好的满足。随着遥感手段的发展,遥感数据越来越多,如果依靠传统方法对海量的遥感数据进行解译分析,已经不能满足人们的需求,而且精度难以保证。近年来,深度学习方法在计算机视觉领域的快速发展,为遥感图像场景分类、目标识别、图像分割等领域提供了一种新的技术手段。本文主要研究无人机遥感图...
【文章来源】：北京建筑大学北京市
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
北京市交通网络穿越地质灾害易发区示意图
图 1-2 论文研究思路结构无人机遥感图像处理以及遥感图像分类识别为主线开展研究工作，论：：绪论。首先介绍无人机遥感以及图像分类，分析了当前无人机遥感像分类识别的研究与进展，确定研究目标与研究内容。：无人机遥感图像处理。首先介绍实验采用的无人机遥感平台以及数人机图像数据中各种图像处理方法，并针对无人机遥感图像配准问题现无人机遥感图像的快速配准，采用 Homography 矩阵的拼接方法，感图像的快速拼接。通过实验证明了本文提出算法的有效性。：基于 Faster R-CNN 的无人机遥感图像目标检测与识别。首先介绍点以及神经网络的前向传播和反向传播。然后详细论述了 Faster R阐述了 Faster R-CNN 采用的区域建议网络 RPN（Region Proposal Ner R-CNN 实现了无人机遥感图像车辆检测识别。
信息数字化基于计算机载体和网络化的介质，使信息具有的方便性和最大的普及性特点。人机平台用无人直升机为飞行平台，无人直升机具有起降场地小，飞行速飞行高度稳定，飞机姿态稳定等独特优势。结合飞行载荷重量和国 AIRFRAME-25B 无人直升机。直升机主要参数如下：表 2-1 无人机平台参数2,146 mm 排气量 80 cc403 mm 输出功率 7 匹1,778 mm 启动方式 外置电启动机508 mm 续航时间 大约 50~55min711 mm 最大燃料容量 3.84 升（可随载荷情 约 16.12 kg（ 全负载 加燃油 起 飞重量 约.23kg）最大有效载荷 约 11.5kg（满 3.84L 日本 ZENOAH 风冷双缸水平对置发动机 飞行速度 8m/s(本次
【参考文献】：
期刊论文
[1]京津冀协同发展交通网络地质安全监测预警系统框架建设[J]. 郭润志,王建西,祝思君. 北京测绘. 2017(06)
[2]基于无人机的车辆目标实时检测[J]. 姜尚洁,罗斌,刘军,张云. 测绘通报. 2017(S1)
[3]基于YOLO v2的无人机航拍图像定位研究[J]. 魏湧明,全吉成,侯宇青阳. 激光与光电子学进展. 2017(11)
[4]基于RCNN的无人机巡检图像电力小部件识别研究[J]. 王万国,田兵,刘越,刘俍,李建祥. 地球信息科学学报. 2017(02)
[5]基于深度卷积网络的SAR图像目标检测识别[J]. 李君宝,杨文慧,许剑清,彭宇. 导航定位与授时. 2017(01)
[6]基于YOLO算法的车辆实时检测[J]. 王宇宁,庞智恒,袁德明. 武汉理工大学学报. 2016(10)
[7]宽河道线性基元无人机遥感影像镶嵌配准方法[J]. 程多祥,林家元. 测绘科学. 2014(12)
[8]农业遥感研究现状与展望[J]. 史舟,梁宗正,杨媛媛,郭燕. 农业机械学报. 2015(02)
[9]遥感图像变化检测综述[J]. 刘占红,刘一超,薛峰,李慧. 微型机与应用. 2013(15)
[10]无人机遥感数据处理流程及产品分级体系研究[J]. 张周威,余涛,孟庆岩,胡新礼. 武汉理工大学学报. 2013(05)
博士论文
[1]无人机遥感图像拼接关键技术研究[D]. 贾银江.东北农业大学 2016
硕士论文
[1]基于深度学习的图像分类及应用研究[D]. 辛晨.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]卷积神经网络在图像分类中的应用研究[D]. 吴正文.电子科技大学 2015
[3]无人机遥感图像拼接技术研究[D]. 李二俊.长安大学 2013
[4]无人机在区域土地利用动态监测中的应用[D]. 郎城.西安科技大学 2011
本文编号：3439342
【文章来源】：北京建筑大学北京市
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
北京市交通网络穿越地质灾害易发区示意图
图 1-2 论文研究思路结构无人机遥感图像处理以及遥感图像分类识别为主线开展研究工作，论：：绪论。首先介绍无人机遥感以及图像分类，分析了当前无人机遥感像分类识别的研究与进展，确定研究目标与研究内容。：无人机遥感图像处理。首先介绍实验采用的无人机遥感平台以及数人机图像数据中各种图像处理方法，并针对无人机遥感图像配准问题现无人机遥感图像的快速配准，采用 Homography 矩阵的拼接方法，感图像的快速拼接。通过实验证明了本文提出算法的有效性。：基于 Faster R-CNN 的无人机遥感图像目标检测与识别。首先介绍点以及神经网络的前向传播和反向传播。然后详细论述了 Faster R阐述了 Faster R-CNN 采用的区域建议网络 RPN（Region Proposal Ner R-CNN 实现了无人机遥感图像车辆检测识别。
信息数字化基于计算机载体和网络化的介质，使信息具有的方便性和最大的普及性特点。人机平台用无人直升机为飞行平台，无人直升机具有起降场地小，飞行速飞行高度稳定，飞机姿态稳定等独特优势。结合飞行载荷重量和国 AIRFRAME-25B 无人直升机。直升机主要参数如下：表 2-1 无人机平台参数2,146 mm 排气量 80 cc403 mm 输出功率 7 匹1,778 mm 启动方式 外置电启动机508 mm 续航时间 大约 50~55min711 mm 最大燃料容量 3.84 升（可随载荷情 约 16.12 kg（ 全负载 加燃油 起 飞重量 约.23kg）最大有效载荷 约 11.5kg（满 3.84L 日本 ZENOAH 风冷双缸水平对置发动机 飞行速度 8m/s(本次
【参考文献】：
期刊论文
[1]京津冀协同发展交通网络地质安全监测预警系统框架建设[J]. 郭润志,王建西,祝思君. 北京测绘. 2017(06)
[2]基于无人机的车辆目标实时检测[J]. 姜尚洁,罗斌,刘军,张云. 测绘通报. 2017(S1)
[3]基于YOLO v2的无人机航拍图像定位研究[J]. 魏湧明,全吉成,侯宇青阳. 激光与光电子学进展. 2017(11)
[4]基于RCNN的无人机巡检图像电力小部件识别研究[J]. 王万国,田兵,刘越,刘俍,李建祥. 地球信息科学学报. 2017(02)
[5]基于深度卷积网络的SAR图像目标检测识别[J]. 李君宝,杨文慧,许剑清,彭宇. 导航定位与授时. 2017(01)
[6]基于YOLO算法的车辆实时检测[J]. 王宇宁,庞智恒,袁德明. 武汉理工大学学报. 2016(10)
[7]宽河道线性基元无人机遥感影像镶嵌配准方法[J]. 程多祥,林家元. 测绘科学. 2014(12)
[8]农业遥感研究现状与展望[J]. 史舟,梁宗正,杨媛媛,郭燕. 农业机械学报. 2015(02)
[9]遥感图像变化检测综述[J]. 刘占红,刘一超,薛峰,李慧. 微型机与应用. 2013(15)
[10]无人机遥感数据处理流程及产品分级体系研究[J]. 张周威,余涛,孟庆岩,胡新礼. 武汉理工大学学报. 2013(05)
博士论文
[1]无人机遥感图像拼接关键技术研究[D]. 贾银江.东北农业大学 2016
硕士论文
[1]基于深度学习的图像分类及应用研究[D]. 辛晨.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]卷积神经网络在图像分类中的应用研究[D]. 吴正文.电子科技大学 2015
[3]无人机遥感图像拼接技术研究[D]. 李二俊.长安大学 2013
[4]无人机在区域土地利用动态监测中的应用[D]. 郎城.西安科技大学 2011
本文编号：3439342
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3439342.html
