基于深度残差网络的遥感图像配准在无人机系统中的应用研究
发布时间：2022-02-28 19:09
遥感图像配准技术作为图像处理领域中的重要环节,在无人机、人造卫星、航天器等遥感系统平台中有着广泛的应用。由于遥感图像配准难度较大,在一定程度上限制了其应用和发展。为满足各领域对遥感图像高精度的要求,本文提出了一种基于深度残差网络多层特征融合的遥感图像配准方法,以及一种基于空间变换与密集卷积融合的遥感图像配准方法。1.本文提出了一种基于深度残差网络多层特征融合的遥感图像配准方法。利用深度残差网络Res Net50提取遥感图像的特征,并将多个卷积层的特征进行加权融合,以增强特征点的鲁棒性。通过随机采样一致性算法剔除误匹配点,提高特征点的匹配精度,并根据计算出的变换模型完成遥感图像配准。2.本文提出了一种基于空间变换与密集卷积融合的遥感图像配准方法。使用引入空间变换结构的STN-Dense Net模型进行特征提取,增强图像变形区域的特征提取效果。采用改进的网格运动统计算法对该模型提取的特征进行匹配,并通过基于单应性矩阵的方法来剔除误匹配点对,提高匹配精度,从而实现遥感图像的准确配准。实验证明,本文方法能有效提高正确匹配点的数量,具有较高的配准精度和较强的鲁棒性。能够为无人机系统提供准确的遥感...
【文章来源】：上海应用技术大学上海市
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 国内外研究现状分析
1.3 研究内容及论文结构
1.3.1 主要研究内容
1.3.2 论文结构
第2章 遥感图像配准相关技术和神经网络简介
2.1 图像配准及方法分类
2.1.1 图像配准简介
2.1.2 图像变换类型
2.1.3 图像配准方法
2.2 深度残差网络
2.2.1 深度残差网络简介
2.2.2 深度残差网络原理
2.3 密集卷积网络
2.3.1 密集卷积网络简介
2.3.2 密集卷积网络原理
2.4 空间变换网络
2.4.1 空间变换网络简介
2.4.2 空间变换网络原理
第3章 基于深度残差网络多层特征融合的遥感图像配准方法
3.1 引言
3.2 改进深度残差网络的遥感图像配准
3.2.1 深度残差网络
3.2.2 多层特征融合
3.2.3 特征匹配算法
3.3 本章方法配准流程
3.4 实验原理与分析
3.4.1 实验环境
3.4.2 数据集构建及训练
3.4.3 实验结果
3.4.4 对比实验
3.5 本章小结
第4章 基于空间变换与密集卷积融合的遥感图像配准方法
4.1 引言
4.2 改进密集卷积网络的图像配准
4.2.1 改进的STN-Dense Net模型
4.2.2 损失函数设计
4.2.3 改进GMS算法进行特征匹配
4.3 本章方法配准流程
4.4 实验结果与分析
4.4.1 实验环境
4.4.2 数据集构建及训练
4.4.3 实验结果
4.4.4 对比试验
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读学位期间所发表的学术论文
【参考文献】：
期刊论文
[1]结合多尺度角点和Harris变换的遥感图像配准方法[J]. 杨艳丽,夏朝辉,张金生,王李平. 电光与控制. 2020(08)
[2]基于互信息的Active Demons非刚性图像配准算法[J]. 张丹,黄欢,尚振宏. 激光与光电子学进展. 2020(16)
[3]基于多图像特征的遥感图像配准新方法[J]. 顾漪,陈海燕. 信息通信. 2019(08)
[4]深度残差网络的多光谱遥感图像显著目标检测[J]. 戴玉超,张静,Fatih PORIKLI,何明一. 测绘学报. 2018(06)
[5]改进RANSAC-SIFT算法在图像匹配中的研究[J]. 赵明富,陈海军,宋涛,邓思兴,黄铮,陈兵,鲁姣. 激光杂志. 2018(01)
[6]应用于多源SAR图像匹配的级联SIFT算法[J]. 王峰,尤红建,傅兴玉,许宁. 电子学报. 2016(03)
[7]基于SURF特征提取的遥感图像自动配准[J]. 葛盼盼,陈强. 计算机系统应用. 2014(03)
[8]大幅面多光谱遥感图像快速自动配准[J]. 徐丽燕,张洁玉,孙巍巍,孙权森,夏德深. 计算机科学. 2012(02)
[9]一种改进的遥感图像配准方法[J]. 陈超,秦其明,江涛,蒋洪波,张宁. 北京大学学报(自然科学版). 2010(04)
本文编号：3645417
【文章来源】：上海应用技术大学上海市
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 国内外研究现状分析
1.3 研究内容及论文结构
1.3.1 主要研究内容
1.3.2 论文结构
第2章 遥感图像配准相关技术和神经网络简介
2.1 图像配准及方法分类
2.1.1 图像配准简介
2.1.2 图像变换类型
2.1.3 图像配准方法
2.2 深度残差网络
2.2.1 深度残差网络简介
2.2.2 深度残差网络原理
2.3 密集卷积网络
2.3.1 密集卷积网络简介
2.3.2 密集卷积网络原理
2.4 空间变换网络
2.4.1 空间变换网络简介
2.4.2 空间变换网络原理
第3章 基于深度残差网络多层特征融合的遥感图像配准方法
3.1 引言
3.2 改进深度残差网络的遥感图像配准
3.2.1 深度残差网络
3.2.2 多层特征融合
3.2.3 特征匹配算法
3.3 本章方法配准流程
3.4 实验原理与分析
3.4.1 实验环境
3.4.2 数据集构建及训练
3.4.3 实验结果
3.4.4 对比实验
3.5 本章小结
第4章 基于空间变换与密集卷积融合的遥感图像配准方法
4.1 引言
4.2 改进密集卷积网络的图像配准
4.2.1 改进的STN-Dense Net模型
4.2.2 损失函数设计
4.2.3 改进GMS算法进行特征匹配
4.3 本章方法配准流程
4.4 实验结果与分析
4.4.1 实验环境
4.4.2 数据集构建及训练
4.4.3 实验结果
4.4.4 对比试验
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读学位期间所发表的学术论文
【参考文献】：
期刊论文
[1]结合多尺度角点和Harris变换的遥感图像配准方法[J]. 杨艳丽,夏朝辉,张金生,王李平. 电光与控制. 2020(08)
[2]基于互信息的Active Demons非刚性图像配准算法[J]. 张丹,黄欢,尚振宏. 激光与光电子学进展. 2020(16)
[3]基于多图像特征的遥感图像配准新方法[J]. 顾漪,陈海燕. 信息通信. 2019(08)
[4]深度残差网络的多光谱遥感图像显著目标检测[J]. 戴玉超,张静,Fatih PORIKLI,何明一. 测绘学报. 2018(06)
[5]改进RANSAC-SIFT算法在图像匹配中的研究[J]. 赵明富,陈海军,宋涛,邓思兴,黄铮,陈兵,鲁姣. 激光杂志. 2018(01)
[6]应用于多源SAR图像匹配的级联SIFT算法[J]. 王峰,尤红建,傅兴玉,许宁. 电子学报. 2016(03)
[7]基于SURF特征提取的遥感图像自动配准[J]. 葛盼盼,陈强. 计算机系统应用. 2014(03)
[8]大幅面多光谱遥感图像快速自动配准[J]. 徐丽燕,张洁玉,孙巍巍,孙权森,夏德深. 计算机科学. 2012(02)
[9]一种改进的遥感图像配准方法[J]. 陈超,秦其明,江涛,蒋洪波,张宁. 北京大学学报(自然科学版). 2010(04)
本文编号：3645417
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3645417.html
