光學(xué)遙感是對(duì)地觀測(cè)影像數(shù)據(jù)獲取常用的方式,在各類地理信息產(chǎn)品中應(yīng)用較為廣泛。當(dāng)前日益增多的遙感影像獲取手段,使遙感影像數(shù)據(jù)的積累量越來越大,實(shí)現(xiàn)不同平臺(tái)獲取的異源光學(xué)遙感影像之間的聯(lián)合處理與應(yīng)用,是提升測(cè)繪地理信息對(duì)社會(huì)經(jīng)濟(jì)發(fā)展服務(wù)保障能力的重要問題之一,同時(shí)也對(duì)不同來源影像的配準(zhǔn)技術(shù)提出了更高的要求。論文對(duì)大差異異源光學(xué)遙感影像配準(zhǔn)中的關(guān)鍵技術(shù)展開了研究和實(shí)驗(yàn)驗(yàn)證,主要工作和創(chuàng)新如下:1.對(duì)影像配準(zhǔn)技術(shù)的研究現(xiàn)狀,以及在大差異異源遙感影像配準(zhǔn)應(yīng)用中存在的問題進(jìn)行了系統(tǒng)的分析,總結(jié)和歸納了影像配準(zhǔn)的原理與方法。2.在分析論述基于灰度和特征兩類影像配準(zhǔn)方法的基礎(chǔ)上,重點(diǎn)探討了基于組合特征的影像配準(zhǔn)方法,利用實(shí)驗(yàn)驗(yàn)證了該方法的優(yōu)勢(shì)。3.提出大差異影像利用五類影像不變特征組合配準(zhǔn)的方法,發(fā)揮各類不變特征在組合使用時(shí)性能互補(bǔ)的優(yōu)勢(shì),實(shí)現(xiàn)對(duì)組合后的影像特征優(yōu)化配準(zhǔn)。實(shí)驗(yàn)表明,該方法可以從大差異異源遙感影像間獲取穩(wěn)定的同名特征,對(duì)配準(zhǔn)形成了較好的支撐。4.為提升組合配準(zhǔn)的效能,提出并建立了一種基于點(diǎn)位剔除的改進(jìn)隨機(jī)采樣一致性準(zhǔn)則。在該準(zhǔn)則約束下的同名特征點(diǎn)優(yōu)化處理中,運(yùn)算量隨迭代次數(shù)降低,有效提高... 

【文章來源】：戰(zhàn)略支援部隊(duì)信息工程大學(xué)河南省

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多分辨率金字塔模型

圖 3.9 兩個(gè)時(shí)相的圖像的存儲(chǔ)格式（2）任務(wù)分配與加速處理基于 GPU 的并行處理可以實(shí)現(xiàn)無代價(jià)的線程切換，極大地適應(yīng)了異源遙感影中密集的數(shù)據(jù)量。GPU 并行運(yùn)算中，最重要的是合理分配任務(wù)線程，這需 的具體性能參數(shù)合理進(jìn)行分配。CUDA 架構(gòu)下的并行計(jì)算按照線程（thread）block）、線程格網(wǎng)（grid）進(jìn)行逐級(jí)劃分，任務(wù)由線程格網(wǎng)、線程塊、線程三，在線程進(jìn)行處理時(shí)，會(huì)以線程束（warp）為單位對(duì)線程進(jìn)行組織，而目前的 GPU 核心均為 32 個(gè)線程束。因此在分配線程時(shí)，保證每個(gè) block 包含的倍數(shù)可以最大程度避免計(jì)算資源的浪費(fèi)。它們的層級(jí)關(guān)系如圖圖 3.10。圖 影像需處理的數(shù)據(jù)量未超過 GPU 最大處理能力，可以一次性完成處理，圖 影像需處理的數(shù)據(jù)量超過了 GPU 最大處理能力，需要對(duì)運(yùn)算劃分多個(gè)線程格。對(duì)于本文實(shí)驗(yàn)中使用的高分辨率航天遙感影像來說，影像實(shí)際像素遠(yuǎn)遠(yuǎn)超使用的 GPU 的核心數(shù)，因此需要對(duì)影像進(jìn)行分塊來實(shí)現(xiàn)并行處理。

表 3.1 天繪一號(hào)衛(wèi)星影像實(shí)驗(yàn)數(shù)據(jù)參數(shù)數(shù)據(jù) 類型 地面分辨率 相對(duì)航高 影像數(shù)量 定位模型Data1 三線陣 5.0m 501.02 km 3 張 RPCData2 三線陣 5.0m 501.02 km 3 張 RPC2）高分二號(hào)影像數(shù)據(jù)像測(cè)區(qū)為國內(nèi)登封地區(qū)，影像數(shù)據(jù)的獲取時(shí)間為 2016 年 03 月 18 日。試驗(yàn)航帶上的兩景全色影像，地面分辨率為 1.0 米，影像數(shù)據(jù)定位文件為 RP多類型特征點(diǎn)檢測(cè)實(shí)驗(yàn)文使用的特征點(diǎn)優(yōu)化準(zhǔn)則，需要建立在特征點(diǎn)匹配數(shù)量較為密集的基礎(chǔ)上了使用大量同名特征點(diǎn)充分描述影像之間的差異，另一方面是為篩選出較名特征點(diǎn)提供足夠的初始數(shù)據(jù)。在進(jìn)行配準(zhǔn)實(shí)驗(yàn)前，使用了一景天繪一號(hào)章節(jié)提出的多類型點(diǎn)特征檢測(cè)算子的檢測(cè)結(jié)果進(jìn)行分析。

【參考文獻(xiàn)】：
期刊論文
[1]車載MMS激光點(diǎn)云與序列全景影像自動(dòng)配準(zhǔn)方法[J]. 陳馳,楊必勝,田茂,李健平,鄒響紅,吳唯同,宋易恒.  測(cè)繪學(xué)報(bào). 2018(02)
[2]顧及灰度和梯度信息的多模態(tài)影像配準(zhǔn)算法[J]. 閆利,王紫琦,葉志云.  測(cè)繪學(xué)報(bào). 2018(01)
[3]基于SURF算法和改進(jìn)RANSAC算法的無人機(jī)影像匹配[J]. 孫灝,高俊強(qiáng),許蘇蘇.  測(cè)繪工程. 2017(11)
[4]國產(chǎn)衛(wèi)星遙感亟待商業(yè)化[J]. 陳塞崎,王東偉.  中國戰(zhàn)略新興產(chǎn)業(yè). 2017(29)
[5]顏色不變量與AKAZE特征相結(jié)合的無人機(jī)影像匹配算法[J]. 梁煥青,謝意,付四洲.  測(cè)繪學(xué)報(bào). 2017(07)
[6]全部像元參加的影像幾何匹配算法[J]. 楊應(yīng),林宗堅(jiān).  測(cè)繪學(xué)報(bào). 2017(05)
[7]基于直線特征和譜圖理論的光學(xué)與SAR圖像配準(zhǔn)[J]. 高永光,徐軍,呂枘蓬,宋志娜.  地理空間信息. 2016(10)
[8]中國高分辨率對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)建設(shè)進(jìn)展[J]. 童旭東.  遙感學(xué)報(bào). 2016(05)
[9]結(jié)合FAST-SURF和改進(jìn)k-d樹最近鄰查找的圖像配準(zhǔn)[J]. 陳劍虹,韓小珍.  西安理工大學(xué)學(xué)報(bào). 2016(02)
[10]WorldView-3衛(wèi)星成像模式介紹及數(shù)據(jù)質(zhì)量初步評(píng)價(jià)[J]. 李國元,胡芬,張重陽,高小明,陳晨.  測(cè)繪通報(bào). 2015(S2)

博士論文
[1]多源遙感數(shù)據(jù)測(cè)繪應(yīng)用關(guān)鍵技術(shù)研究[D]. 芮杰.中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2017
[2]基于多特征多測(cè)度的光學(xué)與SAR影像自動(dòng)配準(zhǔn)方法研究[D]. 徐川.武漢大學(xué) 2013

碩士論文
[1]多源高分辨率遙感影像自動(dòng)配準(zhǔn)方法研究[D]. 胡曉剛.蘭州大學(xué) 2016



本文編號(hào)：2922290