發(fā)布時(shí)間：2022-12-04 12:10

　　管道在運(yùn)輸氣體、液體等物體時(shí)具有安全、高效率等優(yōu)勢(shì),對(duì)管線(xiàn)自身以及周邊環(huán)境的變化檢測(cè)是一個(gè)重要環(huán)節(jié)。傳統(tǒng)的人工實(shí)際勘察作業(yè),在效率和成本方面存在一定的局限性,如何實(shí)現(xiàn)自動(dòng)化、高精度的管線(xiàn)變化檢測(cè)是一個(gè)值得研究的課題。本研究基于無(wú)人機(jī)技術(shù),獲取管線(xiàn)覆蓋區(qū)域的多幅影像,拼接成檢測(cè)目標(biāo)的完整影像數(shù)據(jù),再利用深度學(xué)習(xí)方法進(jìn)行多時(shí)相的無(wú)人機(jī)管線(xiàn)的變化檢測(cè)研究。具體包括:（1）由于一幅無(wú)人機(jī)影像不能涵蓋所有的檢測(cè)目標(biāo)和區(qū)域,如何對(duì)拍攝的多幅連續(xù)目標(biāo)影像進(jìn)行精確拼接是進(jìn)行高精度管線(xiàn)變化檢測(cè)的前提條件。針對(duì)該問(wèn)題,本文基于SIFT算子,利用RANSAC算法消除異常值、Levenberg-Marquardt算法對(duì)單應(yīng)矩陣求精,采用影像多級(jí)分組的方式拼接影像等優(yōu)化手段,研究并實(shí)現(xiàn)高精度、高魯棒性的優(yōu)化SIFT匹配與拼接算法,實(shí)現(xiàn)管線(xiàn)影像的精準(zhǔn)拼接。（2）基于深度學(xué)習(xí)技術(shù),設(shè)計(jì)并實(shí)現(xiàn)基于無(wú)人機(jī)遙感影像的管線(xiàn)變化檢測(cè)深度學(xué)習(xí)模型,通過(guò)Adam算法對(duì)Mask R-CNN網(wǎng)絡(luò)進(jìn)行優(yōu)化,并在Keras框架下進(jìn)行實(shí)現(xiàn)。利用該模型,將（1）拼接后的完整影像作為輸入,可實(shí)現(xiàn)像素級(jí)的管線(xiàn)變化檢測(cè)。（3）以PyQt5作為系統(tǒng)... 

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 無(wú)人機(jī)遙感變化檢測(cè)及系統(tǒng)研究
            1.2.1.1 變化檢測(cè)方法
            1.2.1.2 處理系統(tǒng)分析
        1.2.2 影像配準(zhǔn)與拼接
    1.3 本文的主要貢獻(xiàn)與創(chuàng)新
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線(xiàn)
    1.4 本文組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)及理論介紹
    2.1 無(wú)人機(jī)遙感影像配準(zhǔn)與拼接
        2.1.1 影像配準(zhǔn)基本定義
        2.1.2 影像配準(zhǔn)的分類(lèi)
            2.1.2.1 點(diǎn)特征
            2.1.2.2 線(xiàn)特征
            2.1.2.3 面特征
    2.2 深度學(xué)習(xí)
        2.2.1 深度學(xué)習(xí)理論基礎(chǔ)
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.3 主流深度學(xué)習(xí)框架
    2.3 圖像變化檢測(cè)
    2.4 PyQt5 簡(jiǎn)介
    2.5 本章小結(jié)
第三章 無(wú)人機(jī)遙感影像配準(zhǔn)與拼接
    3.1 基于標(biāo)準(zhǔn)SIFT算法的無(wú)人機(jī)影像配準(zhǔn)與拼接
    3.2 基于優(yōu)化SIFT算法的無(wú)人機(jī)影像配準(zhǔn)與拼接
        3.2.1 優(yōu)化SIFT算法設(shè)計(jì)
        3.2.2 RANSAC算法消除異常值
        3.2.3 單應(yīng)矩陣求解
        3.2.4 Levenberg-Marquardt算法對(duì)單應(yīng)矩陣求精
        3.2.5 影像拼接
    3.3 實(shí)驗(yàn)結(jié)果及分析
        3.3.1 實(shí)驗(yàn)方案
            3.3.1.1 實(shí)驗(yàn)數(shù)據(jù)獲取
            3.3.1.2 實(shí)驗(yàn)步驟
        3.3.2 實(shí)驗(yàn)結(jié)果及分析
            3.3.2.1 選定對(duì)比影像集
            3.3.2.2 特征點(diǎn)提取分析
            3.3.2.3 特征點(diǎn)匹配分析
            3.3.2.4 拼接效果驗(yàn)證分析
    3.4 本章小結(jié)
第四章 基于深度學(xué)習(xí)的管線(xiàn)變化檢測(cè)
    4.1 Mask R-CNN介紹
    4.2 基于Mask R-CNN的無(wú)人機(jī)遙感影像變化檢測(cè)優(yōu)化方法設(shè)計(jì)
        4.2.1 管線(xiàn)變化檢測(cè)模型設(shè)計(jì)
        4.2.2 無(wú)人機(jī)遙感影像變化檢測(cè)模型的優(yōu)化方法設(shè)計(jì)
    4.3 基于Keras框架的管線(xiàn)變化檢測(cè)模型實(shí)現(xiàn)
        4.3.1 數(shù)據(jù)集準(zhǔn)備
            4.3.1.1 數(shù)據(jù)獲取
            4.3.1.2 數(shù)據(jù)增強(qiáng)
            4.3.1.3 數(shù)據(jù)預(yù)處理
        4.3.2 管線(xiàn)變化檢測(cè)模型實(shí)現(xiàn)
    4.4 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
第五章 基于無(wú)人機(jī)遙感影像與深度學(xué)習(xí)的管線(xiàn)變化檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)整體設(shè)計(jì)
        5.1.1 系統(tǒng)可行性分析
            5.1.1.1 技術(shù)可行性
            5.1.1.2 用戶(hù)使用可行性
        5.1.2 系統(tǒng)需求分析
            5.1.2.1 功能需求
            5.1.2.2 非功能需求
        5.1.3 系統(tǒng)概要設(shè)計(jì)
    5.2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
        5.2.1 系統(tǒng)實(shí)現(xiàn)環(huán)境
        5.2.2 系統(tǒng)詳細(xì)設(shè)計(jì)
        5.2.3 系統(tǒng)實(shí)現(xiàn)
    5.3 系統(tǒng)測(cè)試
        5.3.1 系統(tǒng)測(cè)試環(huán)境
        5.3.2 系統(tǒng)功能測(cè)試
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]高分辨率遙感影像的深度學(xué)習(xí)變化檢測(cè)方法[J]. 張?chǎng)锡?陳秀萬(wàn),李飛,楊婷.  測(cè)繪學(xué)報(bào). 2017(08)
[2]改進(jìn)的SIFT圖像匹配算法[J]. 李煬,翟社平.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(11)
[3]利用影像分割和匹配特征進(jìn)行無(wú)人機(jī)影像變化檢測(cè)[J]. 徐亞明,石娟,安動(dòng)動(dòng),馬旭東.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(10)
[4]無(wú)人機(jī)遙感系統(tǒng)的研究進(jìn)展與應(yīng)用前景[J]. 李德仁,李明.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(05)
[5]遙感變化檢測(cè)技術(shù)方法綜述[J]. 馬云飛,李宏.  測(cè)繪與空間地理信息. 2014(01)
[6]一種面向?yàn)?zāi)害應(yīng)急的UAV影像快速拼接方法[J]. 李明,劉歡,朱欣焰.  災(zāi)害學(xué). 2012(03)
[7]基于分?jǐn)?shù)階微分的尺度不變特征變換圖像匹配算法[J]. 張麗敏,周尚波.  計(jì)算機(jī)應(yīng)用. 2011(04)
[8]基于LBP/C紋理的遙感影像居民地變化檢測(cè)[J]. 張劍清,佘瓊,潘勵(lì).  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2008(01)
[9]基于邊緣特征匹配的遙感影像變化檢測(cè)預(yù)處理方法[J]. 袁修孝,宋妍.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2007(05)
[10]基于正射影像匹配的地形變化檢測(cè)與更新算法[J]. 李德仁,夏松,江萬(wàn)壽.  地理與地理信息科學(xué). 2006(06)

博士論文
[1]基于無(wú)人機(jī)影像的變化檢測(cè)關(guān)鍵技術(shù)研究[D]. 石娟.武漢大學(xué) 2015
[2]基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究[D]. 楊占龍.西安電子科技大學(xué) 2008

碩士論文
[1]基于深度學(xué)習(xí)的地質(zhì)統(tǒng)計(jì)學(xué)反演方法[D]. 謝鵬飛.長(zhǎng)江大學(xué) 2019
[2]基于深度學(xué)習(xí)的異源圖像變化檢測(cè)[D]. 李朝良.西安電子科技大學(xué) 2018
[3]基于深度學(xué)習(xí)的多源遙感影像目標(biāo)檢測(cè)技術(shù)的研究[D]. 楊詩(shī)寓.哈爾濱工業(yè)大學(xué) 2018
[4]基于SIFT算法的無(wú)人機(jī)影像優(yōu)化拼接研究[D]. 張志成.東北大學(xué) 2013
[5]無(wú)人機(jī)遙感影像變化檢測(cè)若干關(guān)鍵技術(shù)的研究[D]. 李渭.集美大學(xué) 2013
[6]基于圖像拼接的車(chē)載全視角觀(guān)測(cè)器研究與實(shí)現(xiàn)[D]. 楊萍.北京工業(yè)大學(xué) 2011



本文編號(hào)：3708244