針對(duì)我國(guó)西南與東南地區(qū)丘陵山區(qū)的耕地變化監(jiān)測(cè)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(cè)差異圖像至今仍是一個(gè)難題,差異圖像中確定的變化類和未變化類結(jié)果,會(huì)直接決定檢測(cè)后的最終結(jié)果。另外,在不同時(shí)間段利用小型無(wú)人機(jī)獲取圖像的過(guò)程中,可能導(dǎo)致被獲取的同一場(chǎng)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(wèn)題,利用小型無(wú)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(cè)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(guò)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(dòng)態(tài)內(nèi)點(diǎn)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(diǎn)快速確定。之后,再通過(guò)增加特征點(diǎn)的數(shù)量來(lái)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(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)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(wèn)題
    1.3 本論文的主要研究?jī)?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(wú)人機(jī)的圖像實(shí)時(shí)傳輸系統(tǒng)
        2.2.1 系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)
        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(wú)人機(jī)圖像配準(zhǔn)的變化檢測(cè)關(guān)鍵技術(shù)
    3.1 基于SURF的特征點(diǎn)提取
        3.1.1 特征點(diǎn)檢測(cè)與定位
        3.1.2 特征點(diǎn)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(dòng)態(tài)內(nèi)點(diǎn)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(diǎn)提取
        4.1.2 對(duì)應(yīng)關(guān)系評(píng)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(shí)相圖像變化檢測(cè)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(cè)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(shí)驗(yàn)驗(yàn)證
    5.1 算法性能驗(yàn)證
        5.1.1 通過(guò)SURF方法提取小型無(wú)人機(jī)圖像特征點(diǎn)集的優(yōu)勢(shì)
        5.1.2 單一特征與雙征性能比較
        5.1.3 DNN結(jié)構(gòu)對(duì)預(yù)訓(xùn)練結(jié)果的影響
        5.1.4 基于DNN變化檢測(cè)的優(yōu)化問(wèn)題
    5.2 實(shí)驗(yàn)結(jié)果及分析
        5.2.1 評(píng)估標(biāo)準(zhǔn)
        5.2.2 多視角小型無(wú)人機(jī)圖像配準(zhǔn)實(shí)驗(yàn)結(jié)果及分析
        5.2.3 多時(shí)相小型無(wú)人機(jī)變化監(jiān)測(cè)實(shí)驗(yàn)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(lái)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(hào)：3856014