發(fā)布時間：2019-05-19 06:36

【摘要】：近年來,隨著“數(shù)字地球”和“智慧城市”的建設(shè),三維建模技術(shù)迅速發(fā)展。低空傾斜攝影測量采用多角度拍攝,可同時獲取地物頂端以及側(cè)面紋理等多方位的信息,滿足三維建模對影像數(shù)據(jù)的要求。將傾斜攝影測量獲取的數(shù)據(jù)應(yīng)用于三維建模中,可節(jié)約三維建模成本,同時能提高三維建模的速度,在三維建模中比傳統(tǒng)低空攝影測量更具優(yōu)勢。然而,低空傾斜攝影測量由于在多個角度對地物進(jìn)行拍攝,影像包含復(fù)雜的三維場景信息以及更多的信息量、數(shù)據(jù)量和數(shù)據(jù)冗余,具有更大的輻射畸變和幾何變形,影像中地物互相遮擋、地物陰影、視差斷裂等現(xiàn)象也較為普遍,這些使傾斜影像匹配難度大大增加。本文針對低空大傾角立體影像自動匹配方法進(jìn)行研究,結(jié)合當(dāng)前計算機(jī)視覺研究熱點(diǎn)之一的深度學(xué)習(xí)方法,提出深度學(xué)習(xí)輔助的影像匹配方法,采用深度學(xué)習(xí)方法對影像進(jìn)行分類,基于分類結(jié)果進(jìn)行影像匹配。研究內(nèi)容主要包括:(1)提出深度學(xué)習(xí)輔助的影像匹配方法。提出一種深度卷積神經(jīng)網(wǎng)絡(luò)遞歸識別模型,選取影像樣本對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,然后輸入待分類影像進(jìn)行分類。模型首先對輸入影像進(jìn)行初始識別,然后自動判別單位格網(wǎng)內(nèi)的分類情況,并根據(jù)分類情況進(jìn)行精細(xì)識別與分類,最終精確識別和定位場景目標(biāo);(2)在影像精細(xì)場景分類結(jié)果的基礎(chǔ)上,對影像進(jìn)行特征提取和匹配。以VS2008為編程平臺,采用C++語言,將基于SIFT和Harris-Laplace的影像匹配算法進(jìn)行實(shí)現(xiàn)。首先,建立影像多尺度空間,檢測其中的Harris興趣點(diǎn),并采用LoG算子對其進(jìn)行篩選得到特征點(diǎn),采用SIFT方法進(jìn)行特征描述。在搜索匹配點(diǎn)階段,根據(jù)特征點(diǎn)所屬場景類型在待匹配影像相同場景中進(jìn)行搜索。從而減少匹配搜索量,提高匹配精度和效率;(3)采用本文場景分類方法以及深度學(xué)習(xí)輔助下的影像匹配方法進(jìn)行實(shí)驗(yàn),對實(shí)驗(yàn)結(jié)果進(jìn)行分析。實(shí)驗(yàn)結(jié)果表明,基于深度學(xué)習(xí)的場景分類方法對高分辨率遙感影像場景的分類可取得較高精度的結(jié)果,配合本文的影像匹配算法,可有效增加匹配點(diǎn)數(shù)量、提高匹配精度和效率。
[Abstract]:In recent years, with the construction of Digital Earth and Smart City, 3D modeling technology has developed rapidly. Low altitude tilt photogrammetry adopts multi-angle photography, which can obtain multi-directional information such as top and side texture of ground object at the same time, which can meet the requirements of 3D modeling for image data. The application of the data obtained by tilt photogrammetry to 3D modeling can save the cost of 3D modeling and improve the speed of 3D modeling. It has more advantages than traditional low altitude photogrammetry in 3D modeling. However, low altitude tilt photogrammetry contains complex 3D scene information and more information, data amount and data redundancy, and has greater radiation distortion and geometric deformation because of taking pictures of ground objects from multiple angles. The phenomena such as mutual occlusion of ground objects, shadow of ground objects, parallax fracture and so on are also common in images, which greatly increase the difficulty of oblique image matching. In this paper, the automatic matching method of low altitude and large inclination stereo image is studied, and combined with the depth learning method, which is one of the hotspots of computer vision research, a deep learning aided image matching method is proposed. The deep learning method is used to classify the images, and the image matching is carried out based on the classification results. The main contents of this paper are as follows: (1) A deep learning aided image matching method is proposed. In this paper, a recurrent recognition model of deep convolution neural network is proposed. The image samples are selected to train the convolution neural network, and then the images to be classified are input for classification. The model first carries on the initial recognition to the input image, then automatically distinguishes the classification situation in the unit grid, and carries on the fine recognition and the classification according to the classification situation, and finally accurately identifies and locates the scene target. (2) based on the classification results of fine scene, the features of the image are extracted and matched. Using VS2008 as programming platform and C language, the image matching algorithm based on SIFT and Harris-Laplace is implemented. Firstly, the image multi-scale space is established, the Harris interest points are detected, and the feature points are screened by LoG operator, and the feature points are described by SIFT method. In the stage of searching for matching points, according to the scene type to which the feature points belong, the same scene of the image to be matched is searched. Thus, the matching search quantity is reduced and the matching accuracy and efficiency are improved. (3) the experimental results are analyzed by using the scene classification method and the image matching method assisted by depth learning. The experimental results show that the scene classification method based on depth learning can obtain high precision results in the classification of high resolution remote sensing image scenes, and the number of matching points can be effectively increased by combining with the image matching algorithm in this paper. Improve matching accuracy and efficiency.
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P23

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 杜敬;;基于深度學(xué)習(xí)的無人機(jī)遙感影像水體識別[J];江西科學(xué);2017年01期

2 許夙暉;慕曉冬;趙鵬;馬驥;;利用多尺度特征與深度網(wǎng)絡(luò)對遙感影像進(jìn)行場景分類[J];測繪學(xué)報;2016年07期

3 盧宏濤;張秦川;;深度卷積神經(jīng)網(wǎng)絡(luò)在計算機(jī)視覺中的應(yīng)用研究綜述[J];數(shù)據(jù)采集與處理;2016年01期

4 袁修孝;陳時雨;;傾斜航攝影像匹配方法探究[J];測繪地理信息;2015年06期

5 趙霞;朱慶;肖雄武;李德仁;郭丙軒;張鵬;胡翰;丁雨淋;;基于同形變換的航空傾斜影像自動匹配方法[J];計算機(jī)應(yīng)用;2015年06期

6 肖雄武;郭丙軒;李德仁;趙霞;江萬壽;胡翰;張春森;;一種具有仿射不變性的傾斜影像快速匹配方法[J];測繪學(xué)報;2015年04期

7 王曉華;李克;鄧喀中;楊化超;;基于增強(qiáng)MSER和Harris-Laplace互補(bǔ)不變特征的遙感圖像配準(zhǔn)[J];紅外技術(shù);2015年01期

8 高常鑫;桑農(nóng);;基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測[J];測繪通報;2014年S1期

9 王曉華;鄧喀中;楊化超;;集成MSER和SIFT特征的遙感影像自動配準(zhǔn)算法[J];光電工程;2013年12期

10 張永軍;王博;段延松;;一種針對大傾角影像匹配粗差剔除的算法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2013年10期

相關(guān)博士學(xué)位論文 前5條

1 馮子勇;基于深度學(xué)習(xí)的圖像特征學(xué)習(xí)和分類方法的研究及應(yīng)用[D];華南理工大學(xué);2016年

2 姚國標(biāo);傾斜影像匹配關(guān)鍵算法及應(yīng)用研究[D];中國礦業(yè)大學(xué);2014年

3 鐘燦;非常規(guī)航攝影像定位方法及精度評定[D];武漢大學(xué);2013年

4 張云生;自適應(yīng)三角形約束的多基元多視影像匹配方法[D];武漢大學(xué);2011年

5 桂德竹;基于組合寬角相機(jī)低空影像的城市建筑物三維模型構(gòu)建研究[D];中國礦業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 郭麗麗;基于深度學(xué)習(xí)的圖像分類方法研究[D];中國礦業(yè)大學(xué);2016年

2 郭鵬;深度卷積神經(jīng)網(wǎng)絡(luò)及其在手寫體漢字識別中的應(yīng)用研究[D];四川師范大學(xué);2016年

3 汪豪;基于特征點(diǎn)的航空影像匹配算法研究[D];東華理工大學(xué);2015年

4 張振超;多視角傾斜航空影像匹配技術(shù)研究[D];解放軍信息工程大學(xué);2015年

5 肖雄武;基于特征不變的傾斜影像匹配算法研究與應(yīng)用[D];西安科技大學(xué);2014年

6 史永凱;基于仿射不變特征的無人機(jī)影像匹配研究[D];中國礦業(yè)大學(xué);2014年

7 李英杰;航空傾斜多視影像匹配方法研究[D];中國測繪科學(xué)研究院;2014年

8 郭軍;POS數(shù)據(jù)輔助的多角度影像自動空三轉(zhuǎn)點(diǎn)方法[D];中南大學(xué);2014年

9 王興慧;應(yīng)用于傾斜影像的點(diǎn)特征優(yōu)化提取與寬基線匹配[D];蘭州交通大學(xué);2014年

10 滕義偉;基于多尺度特征點(diǎn)提取的圖像配準(zhǔn)算法研究[D];北京工業(yè)大學(xué);2013年

，

本文編號：2480478