遙感圖像配準(zhǔn)技術(shù)作為圖像處理領(lǐng)域中的重要環(huán)節(jié),在無人機(jī)、人造衛(wèi)星、航天器等遙感系統(tǒng)平臺中有著廣泛的應(yīng)用。由于遙感圖像配準(zhǔn)難度較大,在一定程度上限制了其應(yīng)用和發(fā)展。為滿足各領(lǐng)域?qū)b感圖像高精度的要求,本文提出了一種基于深度殘差網(wǎng)絡(luò)多層特征融合的遙感圖像配準(zhǔn)方法,以及一種基于空間變換與密集卷積融合的遙感圖像配準(zhǔn)方法。1.本文提出了一種基于深度殘差網(wǎng)絡(luò)多層特征融合的遙感圖像配準(zhǔn)方法。利用深度殘差網(wǎng)絡(luò)Res Net50提取遙感圖像的特征,并將多個(gè)卷積層的特征進(jìn)行加權(quán)融合,以增強(qiáng)特征點(diǎn)的魯棒性。通過隨機(jī)采樣一致性算法剔除誤匹配點(diǎn),提高特征點(diǎn)的匹配精度,并根據(jù)計(jì)算出的變換模型完成遙感圖像配準(zhǔn)。2.本文提出了一種基于空間變換與密集卷積融合的遙感圖像配準(zhǔn)方法。使用引入空間變換結(jié)構(gòu)的STN-Dense Net模型進(jìn)行特征提取,增強(qiáng)圖像變形區(qū)域的特征提取效果。采用改進(jìn)的網(wǎng)格運(yùn)動(dòng)統(tǒng)計(jì)算法對該模型提取的特征進(jìn)行匹配,并通過基于單應(yīng)性矩陣的方法來剔除誤匹配點(diǎn)對,提高匹配精度,從而實(shí)現(xiàn)遙感圖像的準(zhǔn)確配準(zhǔn)。實(shí)驗(yàn)證明,本文方法能有效提高正確匹配點(diǎn)的數(shù)量,具有較高的配準(zhǔn)精度和較強(qiáng)的魯棒性。能夠?yàn)闊o人機(jī)系統(tǒng)提供準(zhǔn)確的遙感... 

【文章來源】：上海應(yīng)用技術(shù)大學(xué)上海市

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
    1.3 研究內(nèi)容及論文結(jié)構(gòu)
        1.3.1 主要研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
第2章 遙感圖像配準(zhǔn)相關(guān)技術(shù)和神經(jīng)網(wǎng)絡(luò)簡介
    2.1 圖像配準(zhǔn)及方法分類
        2.1.1 圖像配準(zhǔn)簡介
        2.1.2 圖像變換類型
        2.1.3 圖像配準(zhǔn)方法
    2.2 深度殘差網(wǎng)絡(luò)
        2.2.1 深度殘差網(wǎng)絡(luò)簡介
        2.2.2 深度殘差網(wǎng)絡(luò)原理
    2.3 密集卷積網(wǎng)絡(luò)
        2.3.1 密集卷積網(wǎng)絡(luò)簡介
        2.3.2 密集卷積網(wǎng)絡(luò)原理
    2.4 空間變換網(wǎng)絡(luò)
        2.4.1 空間變換網(wǎng)絡(luò)簡介
        2.4.2 空間變換網(wǎng)絡(luò)原理
第3章 基于深度殘差網(wǎng)絡(luò)多層特征融合的遙感圖像配準(zhǔn)方法
    3.1 引言
    3.2 改進(jìn)深度殘差網(wǎng)絡(luò)的遙感圖像配準(zhǔn)
        3.2.1 深度殘差網(wǎng)絡(luò)
        3.2.2 多層特征融合
        3.2.3 特征匹配算法
    3.3 本章方法配準(zhǔn)流程
    3.4 實(shí)驗(yàn)原理與分析
        3.4.1 實(shí)驗(yàn)環(huán)境
        3.4.2 數(shù)據(jù)集構(gòu)建及訓(xùn)練
        3.4.3 實(shí)驗(yàn)結(jié)果
        3.4.4 對比實(shí)驗(yàn)
    3.5 本章小結(jié)
第4章 基于空間變換與密集卷積融合的遙感圖像配準(zhǔn)方法
    4.1 引言
    4.2 改進(jìn)密集卷積網(wǎng)絡(luò)的圖像配準(zhǔn)
        4.2.1 改進(jìn)的STN-Dense Net模型
        4.2.2 損失函數(shù)設(shè)計(jì)
        4.2.3 改進(jìn)GMS算法進(jìn)行特征匹配
    4.3 本章方法配準(zhǔn)流程
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)環(huán)境
        4.4.2 數(shù)據(jù)集構(gòu)建及訓(xùn)練
        4.4.3 實(shí)驗(yàn)結(jié)果
        4.4.4 對比試驗(yàn)
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合多尺度角點(diǎn)和Harris變換的遙感圖像配準(zhǔn)方法[J]. 楊艷麗,夏朝輝,張金生,王李平.  電光與控制. 2020(08)
[2]基于互信息的Active Demons非剛性圖像配準(zhǔn)算法[J]. 張丹,黃歡,尚振宏.  激光與光電子學(xué)進(jìn)展. 2020(16)
[3]基于多圖像特征的遙感圖像配準(zhǔn)新方法[J]. 顧漪,陳海燕.  信息通信. 2019(08)
[4]深度殘差網(wǎng)絡(luò)的多光譜遙感圖像顯著目標(biāo)檢測[J]. 戴玉超,張靜,Fatih PORIKLI,何明一.  測繪學(xué)報(bào). 2018(06)
[5]改進(jìn)RANSAC-SIFT算法在圖像匹配中的研究[J]. 趙明富,陳海軍,宋濤,鄧思興,黃錚,陳兵,魯姣.  激光雜志. 2018(01)
[6]應(yīng)用于多源SAR圖像匹配的級聯(lián)SIFT算法[J]. 王峰,尤紅建,傅興玉,許寧.  電子學(xué)報(bào). 2016(03)
[7]基于SURF特征提取的遙感圖像自動(dòng)配準(zhǔn)[J]. 葛盼盼,陳強(qiáng).  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2014(03)
[8]大幅面多光譜遙感圖像快速自動(dòng)配準(zhǔn)[J]. 徐麗燕,張潔玉,孫巍巍,孫權(quán)森,夏德深.  計(jì)算機(jī)科學(xué). 2012(02)
[9]一種改進(jìn)的遙感圖像配準(zhǔn)方法[J]. 陳超,秦其明,江濤,蔣洪波,張寧.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(04)



本文編號：3645417