小波理论在无人机遥感测温数据处理中的应用研究

摘要

近年来，无人机行业得到了飞速发展，无人机已经可以应用到测量、军事甚至是家庭娱乐等诸多领域。目前，我国首次在辽宁省红沿河核电站周围海域进行无人机遥感测温的试验，试验中采用无人机搭载红外热成像仪对海面温度进行扫描测量，这是对无人机测量领域的一种新的尝试。本文以此次红沿河核电站遥感测温试验数据为基础，主要研究解决在试验数据后处理中图像拼接和温度拟合精度所遇到的问题。其中基于小波变换理论，提出了适合于无人机遥感测温数据处理的可行方法，很好的解决了在测量过程中精度无法达到要求等问题。
　　本研究主要内容包括：⑴介绍了无人机遥感测温的试验背景，出现的一些技术难题，国内外的一些研究现状，使用小波变换理论的方式和意义。⑵介绍了无人机遥感测温中图像拼接融合技术的流程，着重阐述了在实际应用中红外广角镜头产生桶状畸变后，使用数学手段进行纠偏，以满足后续图像拼接融合的需要。⑶对比分析了常见拼接算法在本次无人机遥感测温试验中的应用效果，包括Harris角点检测算法和SIFT特征点算法，并根据应用中遇到的温度偏差问题，提出引入小波变换理论进行图像处理的方法来消除误差。⑷针对在无人机遥感测量中因环境等因素引起的温度误差，采用小波神经网络的方法进行温度拟合，并与传统BP神经网络方法进行对比研究。结果表明，小波神经网络能保证温度拟合误差控制在 o0.4 C以内，并且优于BP神经网络。

目录

声明

引言

1 绪论

1.1 课题的研究背景

1.2 国内外研究现状

1.3 本文的研究内容及结构安排

2 图像拼接融合关键技术分析及图像预处理

2.1 图像拼接技术流程

2.2 图像预处理

2.3 小结

3 小波理论在无人机遥感图像拼接融合中的应用

3.1 引言

3.2 Harris角点检测算法

3.3 SIFT特征提取算法

3.4 小波理论对于SIFT算法的改进

3.5 图像融合评价

3.6 小结

4 小波神经网络在温度拟合中的应用

4.1 无人机航空遥感测量

4.2 船舶海面温度测量

4.3 浮标布设

4.4 基于人工神经网络的测温拟合

4.5 基于小波神经网络的温度拟合

4.6 误差对比

4.7 小结

5 结论

5.1 总结

5.2 存在的问题以及未来展望

参考文献

攻读硕士学位期间发表学术论文情况

致谢