本文關(guān)鍵詞：面向?yàn)?zāi)害應(yīng)急響應(yīng)的無(wú)人機(jī)影像快速處理技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：我國(guó)是一個(gè)地質(zhì)災(zāi)害頻繁的國(guó)家。發(fā)生地質(zhì)災(zāi)害后,快速獲取災(zāi)后地區(qū)影像是災(zāi)害監(jiān)測(cè)及救援關(guān)鍵。地質(zhì)災(zāi)害應(yīng)急監(jiān)測(cè)成像具有區(qū)域范圍小、時(shí)間緊、分辨率高的特點(diǎn),常規(guī)的遙感衛(wèi)星和航空遙感手段無(wú)法滿足。無(wú)人機(jī)低空遙感系統(tǒng)為這種小范圍、危險(xiǎn)區(qū)域遙感監(jiān)測(cè)任務(wù)的特殊需求提供了新的技術(shù)途徑。無(wú)人機(jī)飛行姿態(tài)穩(wěn)定性差,成像系統(tǒng)受到相對(duì)運(yùn)動(dòng)、機(jī)械振動(dòng)、光照和大氣湍流效應(yīng)等影響,導(dǎo)致影像畸變大、影像質(zhì)量差、航帶的排列不整齊和拼接累積誤差大等問(wèn)題。本文面向地質(zhì)災(zāi)害應(yīng)急響應(yīng)快速處理災(zāi)區(qū)高精度影像存在的問(wèn)題展開(kāi)了一系列的關(guān)鍵技術(shù)研究和仿真實(shí)驗(yàn)。首先,針對(duì)海量無(wú)人機(jī)影像人工篩選流程存在的問(wèn)題,研究高效的影像質(zhì)量客觀評(píng)價(jià)模型應(yīng)用到自動(dòng)篩選無(wú)人機(jī)影像。綜合分析了現(xiàn)有的NR-IQA方法,主要有針對(duì)特定失真類(lèi)型的方法和需要樣本采集基于機(jī)器學(xué)習(xí)的方法。本文利用視覺(jué)相關(guān)特征信息,提出一種基于單演信號(hào)的相位一致性結(jié)構(gòu)特征的NR-IQA方法。該方法結(jié)合結(jié)構(gòu)特征對(duì)應(yīng)的一階和二階Riesz變換系數(shù),不需要訓(xùn)練學(xué)習(xí)樣本。在LIVE和TID2008圖像數(shù)據(jù)測(cè)試庫(kù)上驗(yàn)證模型評(píng)價(jià)效果,從整體上和分失真類(lèi)型分別測(cè)試,算法評(píng)價(jià)結(jié)果與主觀評(píng)價(jià)都具有較好的一致性。其次,分析了無(wú)人機(jī)影像在航拍實(shí)時(shí)傳輸過(guò)程中以及傳感器本身拍攝影像時(shí)遭受噪聲的干擾,引起影像退化原因。論文闡述了經(jīng)典的空間域去噪方法,并分析了這些方法存在細(xì)節(jié)結(jié)構(gòu)保持與平滑難以平衡的問(wèn)題。NLM是一種新興的性能優(yōu)良去噪方法,但時(shí)間復(fù)雜度高。針對(duì)NLM效率問(wèn)題提出一種選擇性計(jì)算的改良優(yōu)化方法。該方法基于L2范數(shù)的逐次消元法和圖像積分圖降低計(jì)算強(qiáng)度,并根據(jù)圖像空間相關(guān)性提出一種基于Patch測(cè)地線距離尋找同質(zhì)信息的自適應(yīng)調(diào)整搜索窗口。實(shí)驗(yàn)表明,選擇性計(jì)算的NLM既較好地降低運(yùn)行時(shí)間又提升去噪效果。第三,地質(zhì)災(zāi)害伴隨著惡劣天氣的發(fā)生,不良天氣極大地影響無(wú)人機(jī)影像質(zhì)量。對(duì)霧天的無(wú)人機(jī)降質(zhì)影像進(jìn)行去霧清晰化研究是面向?yàn)?zāi)害應(yīng)急響應(yīng)無(wú)人機(jī)影像快速處理的重要環(huán)節(jié)。本文分析了霧圖成像的物理模型,介紹了基于大氣散射模型的去霧算法,然后以暗通道統(tǒng)計(jì)先驗(yàn)為基礎(chǔ),根據(jù)影像紋理和邊緣結(jié)構(gòu)自適應(yīng)權(quán)重的引導(dǎo)濾波法,提出一種新的透射率細(xì)化的方法。實(shí)驗(yàn)表明,該方法對(duì)于薄霧影像處理質(zhì)量基本可以達(dá)到晴天效果,對(duì)于濃霧的近景影像場(chǎng)景得到增強(qiáng)并不會(huì)出現(xiàn)人工光暈現(xiàn)象,可以較好地滿足航拍實(shí)時(shí)和處理效果應(yīng)用的需要。第四,在自然災(zāi)害快速應(yīng)急響應(yīng)任務(wù)中,實(shí)時(shí)、魯棒、誤差小的拼接算法是無(wú)人機(jī)影像處理平臺(tái)研究重點(diǎn)。本文分析了影像拼接現(xiàn)狀和存在的不足,選用了特征檢測(cè)效率高以及匹配快速的二進(jìn)制描述符為特征信息。結(jié)合NNDR和RANSAC為影像配準(zhǔn)提供精確穩(wěn)定的控制點(diǎn),以高效的漢明距離匹配二進(jìn)制描述符完成自動(dòng)配準(zhǔn)步驟,根據(jù)影像亮度和色度完成顏色補(bǔ)償,基于引導(dǎo)濾波的漸入漸出融合法拼接影像并消除拼接線。最后,利用快速處理的序列影像構(gòu)成的全景圖對(duì)颶風(fēng)災(zāi)害房屋損壞識(shí)別的應(yīng)急評(píng)估受災(zāi)情況的應(yīng)用研究。根據(jù)影像中房屋紋理和顏色特征利用灰度共生矩陣分割出房屋區(qū)域,形態(tài)學(xué)腐蝕操作填充提高識(shí)別精度。經(jīng)實(shí)驗(yàn)與人工解譯比較,算法識(shí)別精度較好,達(dá)到了災(zāi)害破壞房屋損毀應(yīng)急評(píng)估的快速響應(yīng)。本文研究成果與創(chuàng)新點(diǎn)如下:1、針對(duì)海量無(wú)人機(jī)影像人工篩選流程存在的問(wèn)題,利用視覺(jué)相關(guān)特征信息,提出一種基于單演信號(hào)的相位一致性結(jié)構(gòu)特征的無(wú)參考影像質(zhì)量評(píng)價(jià)方法。2、針對(duì)非均值去噪效率問(wèn)題,提出一種選擇性計(jì)算的優(yōu)化方法,并應(yīng)用到無(wú)人機(jī)影像去噪。該方法基于L2范數(shù)的逐次消元法和圖像積分圖降低計(jì)算強(qiáng)度,并根據(jù)圖像空間相關(guān)性提出一種基于Patch測(cè)地線距離尋找同質(zhì)信息的自適應(yīng)調(diào)整搜索窗口。3、針對(duì)無(wú)人機(jī)有霧影像清晰化研究,提出一種基于影像紋理和邊緣結(jié)構(gòu)自適應(yīng)權(quán)重的引導(dǎo)濾波大氣透射率細(xì)化方法,提高無(wú)人機(jī)影像清晰化效果,減少塊效應(yīng)和光圈效應(yīng)。4、提出一種多尺度快速定向二進(jìn)制簡(jiǎn)單描述符特征描述方法。該方法采用定向二進(jìn)制簡(jiǎn)單描述符代替高維數(shù)的SIFT特征提取算法作為拼接流程的特征提取算法,利用改進(jìn)的漸入漸出融合法應(yīng)用在無(wú)人機(jī)影像拼接中。5、本文研究成果在颶風(fēng)災(zāi)害房屋損毀識(shí)別的應(yīng)急評(píng)估中的應(yīng)用。
【關(guān)鍵詞】：地質(zhì)災(zāi)害應(yīng)急 無(wú)人機(jī)影像 質(zhì)量評(píng)價(jià) 影像拼接 房屋災(zāi)害應(yīng)急評(píng)估
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-12
• 第1章 緒論12-21
• 1.1 研究背景及意義12-15
• 1.1.1 問(wèn)題提出12-14
• 1.1.2 研究意義14-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀15-18
• 1.2.1 國(guó)外研究進(jìn)展15-16
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀16-18
• 1.3 論文研究主要內(nèi)容及主要貢獻(xiàn)18-21
• 1.3.1 研究?jī)?nèi)容18-19
• 1.3.2 論文組織結(jié)構(gòu)19-21
• 第2章 無(wú)人機(jī)影像質(zhì)量評(píng)價(jià)模型研究21-40
• 2.1 無(wú)人機(jī)影像質(zhì)量評(píng)價(jià)基礎(chǔ)21-24
• 2.1.1 無(wú)人機(jī)影像質(zhì)量客觀評(píng)價(jià)的重要性21-22
• 2.1.2 無(wú)人機(jī)影像失真類(lèi)型22-23
• 2.1.3 圖像客觀質(zhì)量評(píng)價(jià)分類(lèi)23-24
• 2.2 現(xiàn)有的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法24-28
• 2.2.1 模糊和噪聲失真的NR-IQA方法24-26
• 2.2.2 基于機(jī)器學(xué)習(xí)的NR-IQA方法26-28
• 2.3 視覺(jué)結(jié)構(gòu)特征的NR-IQA模型28-39
• 2.3.1 單演信號(hào)理論28-30
• 2.3.2 視覺(jué)感知特征提取30-34
• 2.3.3 基于單演相位一致性特征的圖像質(zhì)量評(píng)價(jià)方法34-35
• 2.3.4 實(shí)驗(yàn)比較與分析35-39
• 本章小結(jié)39-40
• 第3章 基于快速NLM的無(wú)人機(jī)影像去噪研究40-58
• 3.1 無(wú)人機(jī)影像噪聲模型40-43
• 3.1.1 影像退化模型與噪聲特性41-42
• 3.1.2 圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)42-43
• 3.2 經(jīng)典的空間域圖像濾波去噪理論43-46
• 3.3 基于選擇性計(jì)算的快速NLM去噪優(yōu)化46-57
• 3.3.1 NLM去噪算法理論與研究現(xiàn)狀46-48
• 3.3.2 基于逐次消元法的加速策略48-50
• 3.3.3 圖像積分圖計(jì)算50-51
• 3.3.4 自適應(yīng)搜索區(qū)域51-53
• 3.3.5 實(shí)驗(yàn)結(jié)果與分析53-57
• 本章小結(jié)57-58
• 第4章 無(wú)人機(jī)有霧影像清晰化研究58-76
• 4.1 有霧影像清晰化研究現(xiàn)狀58-60
• 4.2 霧圖原理與霧圖清晰化算法60-65
• 4.2.1 霧圖成像的物理模型60-62
• 4.2.2 基于大氣散射模型的去霧清晰化算法62-65
• 4.3 基于自適應(yīng)引導(dǎo)濾波的圖像清晰化方法65-72
• 4.3.1 大氣透射率優(yōu)化65-66
• 4.3.2 自適應(yīng)權(quán)重的引導(dǎo)濾波66-71
• 4.3.3 自適應(yīng)引導(dǎo)濾波的單幅圖像清晰化研究71-72
• 4.4 實(shí)驗(yàn)比較與分析72-75
• 4.4.1 效果對(duì)比與分析72-74
• 4.4.2 運(yùn)算速度對(duì)比74-75
• 本章小結(jié)75-76
• 第5章 快速的無(wú)人機(jī)影像自動(dòng)拼接研究76-99
• 5.1 影像拼接原理與現(xiàn)狀76-79
• 5.1.1 無(wú)人機(jī)影像拼接原理76-77
• 5.1.2 影像拼接現(xiàn)狀與存在的問(wèn)題77-79
• 5.2 無(wú)人機(jī)序列影像匹配79-88
• 5.2.1 圖像局部不變性特征描述79-82
• 5.2.2 多尺度的ORB及加速策略82-86
• 5.2.3 特征匹配86-87
• 5.2.4 變換矩陣的參數(shù)估計(jì)87-88
• 5.3 無(wú)縫圖像融合88-92
• 5.3.1 光照補(bǔ)償88-90
• 5.3.2 基于引導(dǎo)濾波加權(quán)平均影像融合90-92
• 5.4 實(shí)驗(yàn)結(jié)果與分析92-98
• 本章小結(jié)98-99
• 第6章 無(wú)人機(jī)影像在房屋損毀應(yīng)急評(píng)估中的應(yīng)用99-108
• 6.1 房屋損毀應(yīng)急評(píng)估方案99-101
• 6.1.1 數(shù)據(jù)源采集99-100
• 6.1.2 基于無(wú)人機(jī)影像的災(zāi)情監(jiān)測(cè)流程100-101
• 6.2 災(zāi)區(qū)房屋信息識(shí)別101-104
• 6.2.1 房屋特征分析101-102
• 6.2.2 基于紋理特征的災(zāi)區(qū)房屋分割102-104
• 6.3 房屋損毀信息統(tǒng)計(jì)與評(píng)價(jià)104-107
• 本章小結(jié)107-108
• 第7章 結(jié)束與展望108-110
• 7.1 全文總結(jié)108-109
• 7.2 研究展望109-110
• 致謝110-111
• 參考文獻(xiàn)111-121
• 攻讀學(xué)位期間取得學(xué)術(shù)成果121

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 柳稼航,單新建,尹京苑;遙感圖象自動(dòng)識(shí)別城市震害房屋——以2001年印度庫(kù)奇地震和1976年唐山地震為例[J];地震學(xué)報(bào);2004年06期

2 何中翔;王明富;楊世洪;吳欽章;;遙感圖像客觀質(zhì)量評(píng)價(jià)方法研究[J];工程圖學(xué)學(xué)報(bào);2011年06期

3 田浩南;李素梅;;基于邊緣的SSIM圖像質(zhì)量客觀評(píng)價(jià)方法[J];光子學(xué)報(bào);2013年01期

4 田金炎;段福洲;袁媛;屈新原;高明亮;;基于圖像匹配的無(wú)人機(jī)飛行質(zhì)量評(píng)估方法[J];測(cè)繪科學(xué);2013年05期

5 羅學(xué)剛;呂俊瑞;王華軍;楊強(qiáng);;選擇性計(jì)算的快速非局部均值圖像去噪[J];電子科技大學(xué)學(xué)報(bào);2015年01期

6 胡金蓉;蒲亦非;張意;周激流;;DCT子空間的非局部均值去噪算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年01期

7 郭t，

本文編號(hào)：382065