首页> 中文学位 >基于像元分解的标志点亚像素定位研究
【6h】

基于像元分解的标志点亚像素定位研究

代理获取

目录

封面

声明

致谢

中文摘要

英文摘要

目录

图清单

表清单

1 绪论

1.1 研究背景与意义(Research Background and Significance)

1.2 相关领域的研究动态(Overview of the Related Research)

1.3 研究目标、内容与技术路线(Research Objectives、Contents and Technical)

1.4 论文结构(Structure of the Thesis)

2 目标定位与特征提取

2.1 目标定位与特征提取(Object Localization and Feature Extraction)

2.2标志点的特征提取与定位(Feature Extraction and Localization of The Mark Point)

2.3 点特征提取算子(Corner Extraction Operators)

2.4 边缘提取算子(Edge Extraction Operators)

2.5 本章小结(Summary)

3 基于混合像元分解的边缘提取

3.1 边缘与混合像元(Edge and Mixed Pixel)

3.2 混合像元的分解方法(Mixed Pixel Decomposition Methods)

3.3 基于混合像元分解的亚像素边缘定位(Sub-pixel Edge Localization Based on Mixed Pixel Decomposition)

3.4 基于混合像元分解的圆形标志亚像素级边缘提取(Sub-pixel Edge Localization of the Circle Mark Based on Mixed Pixel Decomposition)

3.5 基于混合像元分解的方形对顶角标志的亚像素边缘提取(Sub-pixel Edge Localization of the Square Vertical Angle Mark Based on Mixed Pixel Decomposition)

3.6 本章小结(Summary)

4 圆形标志的亚像素定位

4.1 圆形标志定位简介(Simple Introduction of Circle Mark Locating)

4.2 基于混合像元分解的圆形标志的亚像素定位(Sub-pixel Localization of the Circle Mark Based on Mixed Pixel Decomposition)

4.3 实验结果分析与评价(Experimental Results Analysis and Evaluate)

4.4本章小结(Summary)

5 方形对顶角标志的亚像素定位

5.1 方形对顶角标志定位简介绍(Simple Introduction of the Square Vertical Angle Mark Locating)

5.2 基于混合像元分解的方形对顶角标志亚像素定位(Sub-pixel Locating of the Square Vertical Angle Mark Based on Mixed Pixel Decomposition)

5.3 梯度幅值法进行亚像素边缘定位的介绍(Introduction of Sub-pixel Edge Localization by gradient magnitude)

5.4 三种方法在定位实验中的对比与分析(Experimental Comparison and Analysis of Three Methods in Localization)

5.5 本章小结(Summary)

6 总结与展望

6.1 总结(Conclusions)

6.2 展望(Prospects)

参考文献

作者简历

学位论文数据集

展开▼

摘要

数字摄影测量影像中目标的定位是“单像量测”的重要研究内容,同时也是数字摄影测量的基本任务之一。影像中的目标既包括具有明显特征的自然地物也包括标志点,对这些目标定位的结果直接影响着数字摄影测量影像处理的后续工作。
  本文以常见的两种标志点为研究内容,根据决定目标精度的边缘像素的信息混合特征,引入混合像元分解原理,由混合像元的梯度信息确定像元内部的空间分布,更精密地刻画目标边缘,用软件进行处理,从而使得影像中标志点的定位精度达到亚像素级。论文主要内容及结果包括:
  (1)基于像元分解的亚像素级边缘提取。文章阐述了目标定位与边缘提取之间的关系,介绍了几种常用的像素级边缘提取算子并进行了实验,通过对实验结果的比较和分析,选择出最佳的边缘提取算子。然后,基于遥感影像中混合像元分解的原理,采用线性模型将数字影像中提取的边缘处的混合像元进行分解,并根据混合像元的梯度方向确定混合像元内部的空间分布,从而提高边缘的定位精度,获得亚像素级的边缘坐标。
  (2)圆形标志的亚像素定位。圆形标志是一种影像中常见的标志点,首先用传统的像素级边缘提取算法对标志的边缘进行提取,然后基于混合像元分解原理对提取的像素级边缘进行分解,得到亚像素级边缘,再用最小二乘椭圆拟合进行定位。本文采用了三种实验对这种算法进行了验证,实验结果表明:与传统的像素级边缘定位算法相比,本文的算法抗噪能力更强,定位结果精度更高。
  (3)角点的亚像素定位。角点标志也是影像中一种常见的标志,本文对方形对顶角标志这一角点标志进行了研究。首先采用Harris算法对角点进行提取,也就是对方形对顶角标志进行粗定位,确定出角点所在的区域,然后再进行精定位,即在特定区域内采用对混合像元进行分解后确定其内部分布的方法提取出亚像素级边缘,并用Hough变换拟合出两条直线,其交点位置就是方形对顶角标志的亚像素级定位结果。为了对算法的精度和优越性进行验证,本文引入了一种亚像素级边缘提取方法——梯度幅值法参与对比和分析,对三种不同的图像进行实验,结果证明了基于混合像元分解提取边缘点进行目标定位的方法优于通过采用像素级边缘进行目标定位的传统方法,不仅达到了采用梯度幅值法进行目标定位的精度,而且比梯度幅值法更加简单高效。

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