針對我國西南與東南地區(qū)丘陵山區(qū)的耕地變化監(jiān)測研究,大量不同的思路、模型與方法已經(jīng)被提出了。但是,如何構(gòu)建高質(zhì)量的變化檢測差異圖像至今仍是一個難題,差異圖像中確定的變化類和未變化類結(jié)果,會直接決定檢測后的最終結(jié)果。另外,在不同時間段利用小型無人機(jī)獲取圖像的過程中,可能導(dǎo)致被獲取的同一場景的圖像存在尺度變化,噪聲,幾何失真和光照變化等。為了解決這些問題,利用小型無人機(jī)本文提出了基于圖像配準(zhǔn)的丘陵山區(qū)耕地變化監(jiān)測框架,其貢獻(xiàn)包括:(i)雙特征描述子(Dual Feature Descriptor,DFD):基于歐氏距離的全局特征和基于和向量的局部特征構(gòu)造了DFD;(ii)多尺度描述子:通過經(jīng)由預(yù)訓(xùn)練的VGG(Visual Geometry Group)網(wǎng)絡(luò)形成的層和形狀上下文(Shape Context,SC)構(gòu)造了多尺度描述子;(iii)動態(tài)內(nèi)點選擇:在配準(zhǔn)的初始階段,粗略圖像配準(zhǔn)由最可靠的特征點快速確定。之后,再通過增加特征點的數(shù)量來優(yōu)化配準(zhǔn)細(xì)節(jié);(iv)基于₂L E(L₂-minimizing Estimate)的雙約束能量方程:在再生核希爾...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 課題的研究背景及其意義
    1.2 相關(guān)研究主要存在的問題
    1.3 本論文的主要研究內(nèi)容
第2章 研究區(qū)域概況與數(shù)據(jù)源
    2.1 研究區(qū)域概況
    2.2 基于小型無人機(jī)的圖像實時傳輸系統(tǒng)
        2.2.1 系統(tǒng)總體結(jié)構(gòu)設(shè)計
        2.2.2 技術(shù)方案
    2.3 數(shù)據(jù)源
    2.4 本章小結(jié)
第3章 基于小型無人機(jī)圖像配準(zhǔn)的變化檢測關(guān)鍵技術(shù)
    3.1 基于SURF的特征點提取
        3.1.1 特征點檢測與定位
        3.1.2 特征點集生成
    3.2 圖像混合特征
        3.2.1 單一特征描述子
        3.2.2 雙特征描述子
        3.2.3 多尺度描述子
    3.3 混合特征有限混合模型
    3.4 動態(tài)內(nèi)點選擇
    3.5 基于L₂E的雙約束能量方程
    3.6 基于模糊C均值聚類的預(yù)分類
    3.7 基于深度神經(jīng)網(wǎng)絡(luò)的預(yù)訓(xùn)練
    3.8 本章小結(jié)
第4章 算法框架流程
    4.1 基于混合特征的丘陵山區(qū)耕地多視角圖像配準(zhǔn)算法
        4.1.1 基于SURF的特征點提取
        4.1.2 對應(yīng)關(guān)系評估
        4.1.3 空間變換更新
        4.1.4 圖像配準(zhǔn)
        4.1.5 偽代碼及參數(shù)設(shè)置
    4.2 基于多尺度的丘陵山區(qū)耕地多時相圖像變化檢測算法
        4.2.1 基于多尺度描述子的圖像配準(zhǔn)算法
        4.2.2 基于深度神經(jīng)網(wǎng)絡(luò)的變化檢測算法
        4.2.3 偽代碼及參數(shù)設(shè)置
    4.3 本章小結(jié)
第5章 實驗驗證
    5.1 算法性能驗證
        5.1.1 通過SURF方法提取小型無人機(jī)圖像特征點集的優(yōu)勢
        5.1.2 單一特征與雙征性能比較
        5.1.3 DNN結(jié)構(gòu)對預(yù)訓(xùn)練結(jié)果的影響
        5.1.4 基于DNN變化檢測的優(yōu)化問題
    5.2 實驗結(jié)果及分析
        5.2.1 評估標(biāo)準(zhǔn)
        5.2.2 多視角小型無人機(jī)圖像配準(zhǔn)實驗結(jié)果及分析
        5.2.3 多時相小型無人機(jī)變化監(jiān)測實驗結(jié)果及分析
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 未來研究展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文和研究成果
致謝



本文編號：3856014