首页> 中文学位 >基于无人机航拍及遥感图像的地面目标定位
【6h】

基于无人机航拍及遥感图像的地面目标定位

代理获取

目录

声明

摘要

第1章 绪论

1.1 课题的研究背景及意义

1.2 定位技术的国内外发展现状

1.2.1 常见的目标定位算法

1.2.2 基于多源影像的目标匹配定位算法

1.3 本文的主要研究工作

1.3.1 本文的主要研究内容

1.3.2 本文的内容安排

第2章 基于Mean Shift的目标匹配算法研究

2.1 引言

2.1.1 匹配定位问题描述

2.1.2 选择Mean Shift的原因及优势

2.2 Mean Shift算法研究

2.2.1 概率密度估计方法概述

2.2.2 Mean Shift基本算法流程

2.3 改进的Mean Shift图像匹配算法研究

2.3.1 基于颜色的Mean Shift匹配算法

2.3.2 基于方向直方图特征的Mean Shift匹配算法

2.3.3 基于梯度幅值的Mean Shift目标匹配算法

2.3.4 改进的Mean Shift图像匹配实验结果对比与分析

2.4 本章小结

第3章 基于GVF的特征提取算法设计与实现

3.1 引言

3.2 遥感图像的预处理

3.2.1 Self-Snake模型研究

3.2.2 基于Self-Snake的遥感图像去噪算法研究

3.3 梯度矢量流(GVF)变形模型研究

3.3.1 梯度矢量流的边缘映射

3.3.2 仿真实验结果与分析

3.4 基于GVF的直方图特征提取算法设计及仿真实验

3.4.1 GVF梯度扩散权值选择

3.4.2 仿真实验结果与分析

3.5 本章小结

第4章 改进的Mean Shift目标粗定位算法

4.1 引言

4.2 粗定位算法提出的原因

4.3 改进的基于Mean Shift的目标粗定位算法设计

4.3.1 模型描述

4.3.2 基于Bhattacharyya系数的相似性度量

4.3.3 基于核函数轮廓函数的目标定位

4.3.4 算法设计流程

4.4 初始迭代点的选取

4.4.1 基于人机交互的方法

4.4.2 基于无人机自定位的方法

4.5 仿真实验与结果精度分析

4.6 本章小结

第5章 基于Surf点特征匹配的目标定位算法

5.1 图像匹配的基本原理

5.2 基于Surf的兴趣点匹配算法

5.2.1 基于Hessian矩阵的兴趣点的检测

5.2.2 基于Harr小波响应的兴趣点的描述

5.2.3 基于欧式距离的相似点匹配

5.2.4 实验结果与分析

5.3 基于RANSAC的变换模型估计算法研究

5.3.1 RANSAC算法的基本原理

5.3.2 基于RANSAC仿射变换参数估计

5.4 基于点匹配及RANSAC的地面目标精定位

5.5 实验结果与定位精度分析

5.6 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

硕士期间发表论文

展开▼

摘要

目标定位是无人机的重要应用领域,已经成为网络处理和模式识别领域的热点研究课题之一。随着现代科学技术的进一步发展,目标定位方法不断推陈出新,如雷达法、GPS法等,但是这些方法的定位效果对设备依赖性较大,易受环境影响。因此本文提出了基于无人机航拍图像与遥感图像匹配的地面目标定位算法,该算法针对航拍图像与遥感图像的性质,提取两种图像共有的特征进行匹配定位,实验表明,该算法定位精度较高,对图像噪声、光照影响具有一定的鲁棒性。本文的研究内容和成果如下:
  本文提出了基于粗匹配及精匹配相结合的地面目标定位框架,先利用块匹配的方式寻找目标的粗略位置,再利用点特征进行精确匹配。由于无人机航拍图像与卫星遥感图像来源于不同的传感器,图像之间的差异较大,在这种情况下,直接利用点特征匹配寻找目标位置的方式误差较大,误匹配点较多,定位精度差。因此,提出了先利用块匹配的方式寻找目标的粗略位置的方法。实验表明,先利用块匹配可以增加最终定位的精度。
  本文在地面目标粗定位部分提出了基于梯度矢量流(GVF)梯度幅值直方图的MeanShift算法。由于基准图与实测图像中的颜色特征容易发生突变,因此利用基于颜色直方图的Mean Shift算法不适用。当利用基于方向直方图或梯度幅值直方图的Mean Shift算法时,实验可以发现两算法均存在一定的弊端,比如匹配曲面不够光滑、漂移过程不够连续、图像中物体位置改变后直方图并未改变等问题。为了解决这些问题,本文提出了基于梯度矢量流(GVF)梯度幅值直方图的Mean Shift算法。实验表明,该算法可以有效的解决上述问题,并且对图像的噪声、光照影响等有一定的鲁棒性。
  在地面目标精定位部分采用了Surf算法进行兴趣点精匹配,该算法对于图像的旋转、平移、缩放和噪声影响都具备一定的鲁棒性,匹配时间较Sift算法有较好的改善。获得匹配点后,利用RANSAC算法估计了仿射变换参数,并通过仿真实验验证了定位结果的准确性。
  最后,基于本文设计的算法,实现了地面目标的定位,获得了目标在遥感图像中的位置坐标。通过实验求取每组定位结果的误差均值和标准差,可知误差在可以接受的范围内,定位结果具有一定的准确性。

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