首页> 中文学位 >植被覆盖区域无人机遥感影像匹配方法研究
【6h】

植被覆盖区域无人机遥感影像匹配方法研究

代理获取

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 无人机遥感发展现状

1.2.2 影像匹配方法研究现状

1.2.3 三维重建方法研究现状

1.3 本文研究内容及创新点

1.4 本文结构安排

第二章 GPU-SIFT特征点提取

2.1 GPU系结构框架

2.1.1 GPU与CPU体系结构对比

2.1.2 GPU编程平台

2.2 SIFT算法详解

2.2.1 尺度空间极值检测

2.2.2 关键点定位

2.2.3 关键点方向确定

2.2.4 生成关键点描述子

2.3结合参数设定的GPU-SIFT特征提取

第三章 大数据量的无人机影像匹配方法

3.1基于欧氏距离的匹配像对构建

3.1.1K-Dimension Tree

3.1.2GPU优化的K-Dimension Tree检索

3.1.3 实验结果及分析

3.2基于Ransac算法的SIFT特征点提取精匹配

3.2.1 Ransac算法基本原理

3.2.2 实验结果与分析

第四章 三维场景重建

4.1 三维重建

4.1.1 三维重建理论基础

4.1.2 二视图、三视图及多视图几何

4.2 运动中恢复结构

4.2.1Structure From Motion原理

4.2.2 实验结果及分析

4.3 稠密点云重建

4.3.1 PMVS算法

4.3.2 实验结果及分析

第五章 总结与展望

5.1 本文研究内容总结

5.2 可以进一步研究的问题

参考文献

攻读学位期间所取得的相关科研成果

致谢

展开▼

摘要

近年来,随着各行业信息化的逐步推进,遥感技术作为传统摄影测量发展的重要方向也取得长足进展。区别于航天遥感和航空遥感的高成本、低时效性、重返周期长等特点,无人机遥感作为新兴低空遥感的主要方式之一,有效的规避了部分高空遥感的缺点,为新兴遥感应用提供了高时效性、高分辨率、低费用、低风险的解决方案。 本文首先详细介绍了无人机遥感系统应用于植被覆盖区域影像匹配方面所涉及到的遥感影像数据处理技术,主要包括应用于遥感影像特征点提取的尺度不变特征变化SIFT(Scale Invariance Feature Transform)算法、基于GPU(Graphics Processing Unit)加速的SIFT特征点检测处理、增量式三维点云重建Bundler算法、CMVS/PMVS三维点云加密算法等。 基于以上几种技术以及无人机遥感影像自身处理特点,本文给出针对不同类型的植被覆盖区域的无人机影像处理方法,主要从以下三个方面入手。 一、给出GPU-SIFT算法中尺度划分和高斯差分金字塔的参数设置,并提出针对植被覆盖区域高分辨率无人机遥感影像处理的最优参数设定。对采用GPU优化的SIFT算法各部分进行分析,并评价其性能改善情况。 二、基于GPS信息生成像点的UTM坐标,并使用K-Dimension树的数据结构对其进行检索,生成基于最小欧氏距离的匹配像对来代替测区影像的两两完全匹配,并对此计算过程采用GPU并行运算优化。 三、结合增量式三维重建算法与点云加密算法,利用多视图光束法平差法生成基于SIFT特征点辅助信息的三维立体重建模型。 从运算性能、处理速度、处理效率等方面评估本文给出的针对不同类型的植被区域无人机影像处理方法,均效果良好,为实现无人机遥感影像实时处理提供可靠途径。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号