一、图像压缩对影像匹配精度影响的研究(论文文献综述)
杨心雨[1](2021)在《遥感影像匹配的双通道全卷积网络算法研究》文中认为随着遥感技术的发展,传感器的种类越来越多样化,不同的传感器能够提供不同时相、不同分辨率的影像,这些影像能够相互补充,为地表监测、地物识别、影像融合、3D重建、定量分析等提供更多的信息。使用深度学习方法匹配影像,鲁棒性强,受噪声、形变、光照等变化影响小,因此使用深度学习的方法匹配影像有重要的实际意义。而深度学习需要大量的数据集,通常这些数据集都由人工制作,本文中提出了一种自动生成影像匹配数据集的方法,并在卷积神经网络中训练数据集,具体内容如下:(1)为了减少制作数据集所耗费的人力与时间,本文自动构建遥感影像匹配数据集。使用资源三号多光谱影像与下视影像,以及高分七号前、后视影像与足印影像分别实验,利用特征点匹配算法对影像匹配,并裁剪为影像块,提出使用哈希算法以及相似三角形算法判定影像对之间的相似度,从而得到适用于影像匹配的正样本对与负样本对。实验快速生成了影像匹配数据集,对基于深度学习的影像匹配具有实际意义。(2)用于影像匹配的2-channels网络层数浅,无法学习到影像的深层特征。本文为了加深网络,使网络学习更深层次的图像特征,并且不增加网络训练参数,提出在网络结构中加入1*1卷积层,在2-channels网络的基础上改进并提出2-channels-conv网络,并将其与其他几种算法对比实验。实验结果表明,本文算法准确率、召回率相对于原网络都得到了大幅度提高,并且明显均优于其他几种算法。该论文有图57幅,表5个,参考文献61篇。
曹林[2](2020)在《基于倾斜影像线特征的建筑物三维模型重建与优化方法研究》文中研究表明近年来,随着我国现代化建设的进程逐渐加快以及大数据时代的到来,以地理空间信息为核心的“数字城市”、“实景三维城市”等城市服务体系正在蓬勃发展,建筑物是城市地区的重要基础设施和组成部分,其三维模型的构建已经成为数字城市地理空间数据框架的关键要素之一,实景城市三维模型、数字建筑模型、独立建筑物模型构建等高层次的建模需求对三维建模技术提出了新的挑战,如何快速、自动、准确地构建城市地区尤其是各类形态复杂的建筑物三维模型是当前各领域研究的热点问题。一方面,传统的垂直航空摄影或是机载激光雷达扫描技术都难以获取建筑物立面信息,通常需要结合数字近景摄影测量进行补充才能构建建筑物立面模型,不仅效率较低且建模成本较高;同时,基于点云进行建筑物三维模型的构建时由于点云数据庞大,存在着构网复杂、建模效率低下、模型视觉效果不佳以及纹理缺失区域建模精度不高等问题。另一方面,现有建模方法大多以点云数据为基础构建三维模型而轻视了线特征的作用,在城市等包含大量几何规律及特性的场景中,由于三维线段模型在表现人造建筑物的几何结构方面效果更加突出,因此若将线特征应用于建筑物三维模型的构建和优化工作,可以提高模型构建的效率和精度,改善三维模型的视觉效果。因此,基于线特征的建筑物三维模型重建具有重要的理论研究价值和实用性。本文针对目前建筑物三维模型重建领域存在的问题,以倾斜影像中获取的建筑物线特征为基础,对建筑物三维模型重建技术路线中的线特征匹配、线特征三维重建、三维点云模型优化、建筑物模型快速重建等关键技术展开了研究。1.针对倾斜影像等变形大、遮挡严重的情况下线特征难以匹配以及只考虑局部特征时匹配稳健性不高的问题,提出了一种多重约束下的倾斜影像线特征多视匹配方法,为倾斜影像的线特征匹配以及线特征的多视图匹配提供了新的思路和借鉴。2.针对线特征三维重建时线段端点难以确定以及稳健性不高的情况,提出了一种基于选权迭代思想的线特征三维重建方法,解决了线特征三维重建中线段完整性与稳健性之间互相矛盾的问题。3.针对以点云为基础进行建筑物三维建模时计算量大、纹理缺失区域建模效果不佳等问题,以倾斜影像中获取的建筑物三维线特征为基础,提出了一种基于倾斜影像线特征的建筑物三维模型重建方法,为低复杂度建筑物的快速建模以及线特征在建筑物三维模型重建中的应用提供了新的解决方案。4.针对点云数据构建建筑物三维模型时存在的表面凹凸不平、边缘锯齿等模型真实感不佳的问题,提出了一种基于线特征辅助的三维模型平面和边缘优化方法,改善了建筑物三维模型的视觉效果,提高了模型精度,为物方三角网以及点云重建模型的优化提供了新的研究思路。
林瑶瑶[3](2019)在《高分辨测绘卫星星上压缩影像质量评价》文中研究说明开展国产光学立体测绘卫星遥感影像星上压缩质量评价,验证星上压缩对卫星影像质量的影响是否满足测图应用需求对论证测绘卫星星上压缩指标以及提升国产测绘卫星应用具有十分重要的意义。为了验证国产光学测绘卫星立体遥感影像和多光谱影像星上JPEG-LS压缩是否满足1:1万立体测图应用需求,本文针对2019年即将发射的高分七号测绘卫星的模拟影像立体像对,从基础性的构像质量特征,包括影像灰度、纹理、相关性等和由立体像对生成的重要测绘产品数字表面模型(Digital Surface Model,DSM)的精度两个方面进行影像压缩质量评价试验;针对模拟多光谱遥感影像,从影像应用能力,包括影像分割一致性和影像分类精度两个方面进行影像星上压缩质量评价。构像质量评价方面,本文除从空间域提取影像灰度、纹理特征外,还提出基于频率域进行影像压缩前后纹理特征分析,较普遍采用的基于空间域的评价指标,在频率域中,影像纹理特性可以更好地被地表达出来;DSM质量评价方面,针对亚米级高分辨率立体影像,本文开展了 5m、2.5 m格网大小的DSM提取,通过比较不同压缩比下重建影像与原始影像生成的DSM高程差异进行DSM产品精度分析,相比现应用于全国分辨率为10 m-25 m的DSM格网来说,5 m分辨率的DSM更能精确反应数据压缩对高分辨率立体影像在DSM提取精度方面的影响;多光谱影像分类精度评价方面,本文采用面向对象的分类方法对压缩前后多光谱遥感影像实施监督分类影响分析,相比较基于像元的分类方法来说,能够在一定程度上较好地解决高分辨率遥感影像出现的“异物同谱”和“同物异谱”问题,从而得到更加理想的分类效果。通过进行相关试验,得出结果:(1)对于星上JPEG-LS压缩算法,在压缩比不大于4:1时,压缩后影像灰度特征、纹理信息保持好,且在频率域中,影像纹理的粗糙度更容易被识别;重建影像相关性大于0.997,峰值信噪比大于50,影像压缩质量好;(2)随着压缩比的增大,DSM产品精度逐渐降低,压缩比为4:1时,城镇及丘陵、山地、高山地地区高程中误差分别是0.34 m、0.47 m和0.82 m,满足影像压缩对DSM提取相关测绘应用的需求;针对亚米级高分辨率立体影像,较小格网的DSM在更加精细表达真实地形的同时,也更能够反映影像压缩对DSM提取精度的影响;(3)压缩比为3:1时,多光谱遥感影像分割一致性较高,图斑总数变化率和平均图斑面积变化率不超过1%,影像总体分类精度高,Kappa系数达0.91;压缩比为6:1时,多光谱遥感影像分割一致性较低,影像分类后Kappa系数降低到0.87,多光谱遥感影像宜采用的压缩比为3:1。本文相关结论可为高分七号卫星星上压缩指标论证提供参考。
宋伟[4](2019)在《基于改进AKAZE特征的无人机影像匹配算法研究》文中研究说明无人机遥感平台凭借其灵活高效、成本低廉、操作简单等优点,成为摄影测量领域的研究热点,在环境监测、地图更新、灾害预测和城市规划等方面得到广泛的应用。然而,由于无人机平台稳定性较差,外界干扰会使其成像条件发生变化,导致所获取的影像之间容易存在一定的平移、旋转和视角等差异,会给后期的影像匹配处理带来较大的困难。因此,提升影像匹配算法的稳定性、获得较高精度的匹配结果成为了无人机影像处理的关键环节。在对现有影像匹配算法进行详细分析与探讨的基础上,选择无人机影像匹配作为本文的研究对象,以提升算法适应性、匹配精度和时间效率为目标,着眼于特征描述符计算、匹配策略以及粗差剔除等内容展开研究,开展的工作具体如下:1)基于特征的影像匹配算法。分析对比了基于特征的影像匹配算法,对SIFT算法、SURF算法、KAZE算法和AKAZE算法的基本原理及流程进行详细介绍,以无人机影像数据为基础,分别利用上述算法进行影像匹配实验,并对算法在时间效率,准确率和匹配精度等方面的表现进行了比较。2)基于AKAZE-OpponentFRERAK特征的无人机正射影像匹配。以AKAZE算法为基础,在特征描述符计算阶段利用具有颜色信息的Opponent-FREAK描述符来代替M-LDB描述符;在特征点匹配阶段采用粗匹配和精匹配相结合的分阶段匹配策略来获取高精度匹配结果;此外,为了提升算法的时间效率,基于OpenMP实现了特征点提取和特征描述符计算等两个阶段的并行运算。实验结果表明:算法在提升时间效率的同时可以获得较高准确率,且其精度可以达到亚像素级。3)基于Affine-AKAZE算法的倾斜影像匹配。针对视角变化较大影像,AKAZE算法匹配结果精度不高的问题,依据ASIFT算法的思想,提出具有仿射不变性的Affine-AKAZE算法,并将其应用于倾斜影像的匹配。实验结果表明:该算法针对视角变化较大影像匹配具有较好的效果。4)影像拼接和基于多视影像的三维点云提取。利用基于AKAZE-OpponentFRERAK特征的无人机正射影像匹配算法完成无人机影像的特征点提取及自动拼接,并依据运动恢复结构(Structure From Motion,SFM)的思想设计并实现了三维点云数据的生成。
谭可清[5](2018)在《面向分类的遥感影像压缩质量评价》文中指出面对海量遥感数据的存储和传输问题,压缩技术发挥了重要作用。有损压缩必然导致影像信息的损失和质量的退化,从而可能影响到后续应用能力。通常来说,可以使用目视判读或者客观质量评价指标对压缩影像的质量进行评价。然而这种评价方式是否能实际反映影像的实际应用能力,是一个值得商榷的问题。遥感影像分类是遥感的重要研究领域之一,也是许多应用任务的重要环节。到目前为止,经过有损压缩后的遥感数据很少在实际应用中被使用,原因就是压缩对应用造成的负面影响尚未得到充分的研究。JPEG 2000是遥感影像最常用的压缩标准之一,研究压缩后影像质量下降对遥感影像的分类精度影响,不仅能够用来评估分类算法的优劣,也关系到压缩影像的应用范围。针对以上问题,本文研究了基于JPEG 2000标准的有损压缩对遥感影像监督分类精度所造成的影响。在相同的训练样本下,比较了四种分类算法在压缩下的稳定性,分析了压缩对分类精度的影响规律。然后,我们测试了两种常用的质量评价指标对分类精度的评估能力,并建立了通过影像特征对分类精度的预测模型。本文的主要贡献如下:1)本文基于压缩后的Landsat-8和资源三号数据集,测试了四种分类方法的稳定性。具体来说,分类方法包括:面向像元的最大似然法、面向像元的SVM、面向对象的SVM和面向对象的随机森林。实验结果表明,面向像元的分类精度随着压缩比的增加逐渐降低。相应地,面向对象的分类算法虽然也同样受到压缩的影响,但是其受影响的程度与压缩比的大小并不直接相关。有时候较高的压缩比下的重建影像反而能取得比低压缩比的影像更好的分类精度,这是因为压缩造成了局部区域的平滑,这种现象能一定程度提升分类的效果。2)本文通过提取光谱、纹理、形状方面的特征,建立了对压缩影像分类精度的预测模型。具体来说,通过提取提取了光谱、纹理和形状方面的特征,并使用多核学习的方法对这些特征进行训练,得到压缩影像分类精度的预测模型。结果表明,本文所提的方法在两个数据集上得到了较好的效果,实现了输入影像特征和分类算法对分类精度进行预测的目的。在此基础上,分析了各类特征的变化对不同地物分类精度的影响大小。实验表明,对于受压缩影响较大的地物类型,均值特征不能很好地表示分类精度的变化;对于纹理较粗糙的地物类型(如水系),纹理方面的特征变化对分类精度的影响不大;对于植被和林地,从近红外和红光波段上提取的特征对分类精度的预测具有重要作用。
朱红,刘维佳,张爱兵[6](2014)在《光学遥感立体测绘技术综述及发展趋势》文中研究表明介绍了国内外光学遥感测绘卫星技术现状,总结了高精度光学遥感卫星立体测绘领域中的关键技术,分析了测绘有效载荷、时间同步、卫星定轨定姿、几何定标、立体测图以及影像压缩与质量评价技术,给出了技术发展趋势,为国家高精度光学遥感立体测绘卫星技术发展提供参考。
郭涛[7](2013)在《图像压缩对影像质量影响评价方法研究》文中研究说明随着航空航天遥感技术的发展,遥感卫星的影像数据量日益庞大,受限于星上存储能力与卫星下行链接的带宽的限制,必须采用高效的数据压缩技术来降低数据量。经过压缩的影像质量必然下降,它直接关系到遥感影像数据的应用能力与应用范围,因此对压缩影像进行质量评价具有十分重要的现实意义。本文围绕构像质量、几何质量两方面对压缩的遥感影像展开质量评价,并利用航空航天影像等多种数据进行试验,主要研究内容如下:1)介绍了遥感卫星的发展历程及典型的高分辨率遥感卫星;简述了影像压缩技术的发展与典型的压缩算法;介绍了对压缩影像进行质量评价的意义、评价内容及其研究发展现状。2)在构像质量评价方面,介绍了主观质量评价方法和影像特征分析、影像对比分析和影像应用分析的客观构像质量评价方法;介绍了基于结构相似度的构像质量评价模型。在几何质量评价中,介绍了基于DSM精度评价和基于影像匹配精度评价的两种方法。3)利用不同类型的航空航天遥感影像数据进行了构像质量和几何质量评价试验;通过试验,分析了不同压缩算法、不同压缩倍率对压缩影像构像质量与几何质量的影响。
何敬[8](2013)在《基于点线特征匹配的无人机影像拼接技术》文中认为无人机遥感具有机动、灵活、高效、低成本等特点,能有效改善多云雾地区高分辨率遥感数据缺乏的现状,在土地和矿产资源管理、地质环境评估与灾害防治、空间信息快速采集和地形图局部更新等领域有着广泛的应用前景。但是无人机航高一般较低,所获单幅影像覆盖范围较小,为了解决影像视场范围与分辨率之间的矛盾,及时、准确地反映整个区域情况,需要将所获取的影像进行匹配并拼接形成全图。本论文首先介绍了无人机遥感系统的组成,详细的分析了无人机航线规划参数的设置,并对获取的影像进行了畸变差校正及匀光处理。根据无人机影像的特点及规律,对影像的重叠区域进行估算与处理,有效地减小了匹配时的计算量。对于特征不明显或特征点较为稀少的影像,则采用点特征与线特征相结合的方法进行匹配。在进行大量无人机影像拼接时,为了控制误差累积,提出了最佳重叠度、最佳基准面及最佳拼接路径等策略。具体来讲,本论文的主要研究工作和创新性成果有以下几点:1、根据无人机飞行参数,初步估算出相邻影像的重叠区域M1,利用相位相关法计算出相邻影像重叠区域M2,最终影像的重叠区域取两者的均值M。该方法即避免了M1的扩大,又控制了M2过分缩小。通过计算影像的重叠区域,减小了产生特征点的影像范围,缩短了产生特征点的时间。通过测试获取了适用于无人机影像的最优高斯核尺寸,实验证明在该尺寸下产生的特征点的数量和精度都是最优的,同时该尺寸相对于固定核尺寸,其时间效率提高了近20%。2、针对一些特殊地区的无人机影像,即地物特征稀少或不明显的影像,本论文提出了点特征与线特征相结合的匹配方法,在利用点特征完成初步匹配的基础上,以线特征作为补充进一步对其进行精匹配。该方法充分利用点特征与线特征互补的特性,使得影像匹配的鲁棒性提高了10%左右。3、针对无人机影像拼接过程中的误差累积问题,本论文提出了最佳重叠度、最佳基准面及最佳拼接路径三个控制策略。通过实验测试,获得了无人机影像最佳重叠度范围是25%-37.5%,根据这一数据,对无人机影像在拼接之前做出了“抽稀”处理。将遥感影像的信息熵作为选择最佳基准面的依据,实验证明利用信息熵选择出的基准影像都能够产生丰富的特征点,易于同相邻影像匹配。采用蚁群算法搜索影像的拼接路径,实验表明该算法能够准确快速的搜索出最佳拼接路径。4、通过对无人机航线规划中各个参数的分析,找出了各个参数之间的相互关系,并根据它们之间的关系提出了最佳航线设计的方法。利用该方法设计的航线获取的无人机影像质量得到了有效的改善,为影像匹配提供了良好的数据源。采用附加参数光束法平差的系统畸变模型对无人机影像中的畸变差进行校正,校正后的影像消除了畸变对匹配造成的影响;采用直方图调整的方法对影像进行灰度调整,通过灰度调整,消除了曝光不均对匹配造成的影响。
李建晔[9](2012)在《点、线结合下的多源高分辨率遥感影像匹配》文中进行了进一步梳理匹配技术充分利用图像的空间域信息得到同一地物更为精确、全面和可靠的描述,为图像进一步的分析处理奠定了良好的基础。但是现阶段主要研究基于单一特征的匹配算法,容易受多源影像数据尺度、灰度和旋转角度等因素影响,不能满足实时特征提取和匹配精度要求。为此,很多学者提出了多特征结合的匹配算法,加入虚拟特征能降低对特征的要求,即使在无明显特征区域,也能得到较好匹配精度。本文采用了一种虚拟角点和直线相结合的多源影像匹配方法,进行了基于多特征提取和由粗到精的匹配算法研究和试验,论文主要内容包括:(1)在分析传统基于单一特征匹配算法和现存问题基础上,介绍多特征结合匹配技术的现状和优势,提出了本文的技术路线。(2)分析了Moravec算子、Forstner算子、Harris算子,SUSAN算子和SIFT算子特性和提取特征点方法,总结它们的优缺点。针对多源影像特点,本文采用基于不变量技术的SIFT算子提取特征点,试验得知该算子对影像多尺度、旋转差异有很强鲁棒性。直线提取方面,介绍了传统Hough原理及其局限性,提出一种Canny边缘图像二值化和子区域相结合的改进Hough直线提取算法,通过两组实验对比分析,验证了本文改进Hough算法抗干扰能力强、定位精度高,并提高了直线提取速度。(3)介绍了虚拟角点和直线相结合的由粗到精匹配算法。该算法在SIFT特征点粗匹配基础上,进行分区域改进Hough直线提取和匹配;引入虚拟角点概念,对特征不明显区域也能提取较高精度虚拟角点点对。利用该匹配思路,对Geo-eye和IKONOS、World-View和IKONOS这两组多源影像进行匹配试验,匹配精度为子像素级,对稀少特征地区的多源影像数据匹配具有一定的应用价值。
孙承志[10](2010)在《遥感影像压缩失真度量研究及应用》文中研究表明随着卫星遥感数据量日益庞大,有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出,给遥感数据的传输和存储带来了极大的困难。为了高效传输遥感数据,原始遥感影像数据必须经过数据有损压缩处理。数据有损压缩对于航空航天遥感应用有着深远的影响,因为只要是有损压缩必定会带来影像失真(畸变),影像压缩比不同带来的畸变程度大小不同,但是都会降低传感器成像能力,所以对于传感器设计、卫星轨道设计、光谱波段和空间分辨率的设计以及传感器检校过程等都会有影响,因此直接影响到遥感影像数据的应用能力和应用范围。面向国家航天遥感应用的重大需求,系统研究了遥感影像有损压缩的质量评价方法、技术及其应用,主要内容包括:研究了图像压缩技术的分类和图像压缩在航天遥感中的应用,对JPEG2000、SPIHT、JPEG-LS等算法进行了研究,并对影像失真来源进行了分析;研究了遥感影像压缩判读质量分析评价方面的相关内容,判读质量分析包括主观和客观分析评价两个方面;研究了遥感影像压缩几何质量分析评价方面的相关内容,提出了几何质量分析评价指标;开展了遥感影像压缩在测绘、土地和地质领域的应用分析评价研究;研究并建立了遥感影像压缩质量评价指标体系,为遥感影像压缩指标的设计,以及遥感影像压缩质量评价在测绘、土地、地质等领域的应用提供了重要基础。通过开展压缩失真度量研究,提出了既可满足测绘、地质和国土行业应用要求,也可用于卫星星上压缩的压缩比,改变了国产高分辨率卫星一直采用压缩比8∶1的现状。针对资源三号卫星、1m/4m高分辨率卫星等星上有损压缩指标的选取,在保证影像失真不影响判读质量并满足测绘生产、地质调查与资源评价、土地利用调查与监测等应用需要的情况下,我们认为如果采用JPEG2000、SPIHT或JPEG-LS压缩算法,可以接受的压缩比都不应高于4∶1。从卫星的实际应用出发,建立了从判读质量分析评价方法到几何质量分析评价方法以及应用分析评价方法的整体技术体系。体系极大地拓展了应用评价的内容,突破了影像质量评价的关键技术,实现了主观评价、客观评价和应用评价的有机结合。
二、图像压缩对影像匹配精度影响的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、图像压缩对影像匹配精度影响的研究(论文提纲范文)
(1)遥感影像匹配的双通道全卷积网络算法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容 |
1.4 论文组织结构 |
2 影像匹配技术 |
2.1 图像匹配算法 |
2.2 图像匹配算法评判标准 |
2.3 哈希算法介绍 |
2.4 卷积神经网络 |
2.5 孪生神经网络 |
2.6 本章小结 |
3 自动化制作影像匹配数据集 |
3.1 影像数据准备 |
3.2 影像匹配算法 |
3.3 相似度判断 |
3.4 影像对分类判断 |
3.5 影像选取及变换 |
3.6 样本制作与训练 |
3.7 本章小结 |
4 基于2-channels模型的遥感影像匹配 |
4.1 实验数据 |
4.2 2-channels网络 |
4.3 2-channels-conv网络 |
4.4 实验对比分析 |
4.5 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(2)基于倾斜影像线特征的建筑物三维模型重建与优化方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 基于图像的三维建模研究现状 |
1.2.2 三维模型优化研究现状 |
1.2.3 线特征匹配研究现状 |
1.3 论文研究内容与结构安排 |
1.3.1 论文的研究内容 |
1.3.2 章节安排 |
第二章 多重约束下的倾斜影像线特征多视匹配方法 |
2.1 基本概念与算法基础 |
2.1.1 匹配测度 |
2.1.2 匹配约束 |
2.1.3 匹配策略 |
2.1.4 基本矩阵 |
2.2 多重约束下倾斜影像线特征多视匹配思路与流程 |
2.3 多重约束下倾斜影像线特征多视匹配算法 |
2.3.1 初始匹配候选集的获取 |
2.3.2 改进的多重约束下误匹配线段的剔除 |
2.3.3 基于线段重叠区域的最优参考影像与参考线段的选取 |
2.3.4 多视影像联立下线特征匹配全局解的获取 |
2.4 实验验证与分析 |
2.4.1 匹配正确率对比实验 |
2.4.2 匹配率对比实验 |
2.4.3 匹配精度对比实验 |
2.4.4 实验分析 |
2.5 本章小结 |
第三章 基于线特征的建筑物三维模型快速重建方法 |
3.1 基本概念与算法基础 |
3.1.1 三维重建 |
3.1.2 平面相交法 |
3.1.3 三视图几何 |
3.1.4 建筑物三维模型重建数据源 |
3.1.5 建筑物三维模型重建方法 |
3.2 基于线特征的建筑物三维模型快速重建思路与流程 |
3.3 基于线特征的建筑物三维模型快速重建算法 |
3.3.1 基于选权迭代思想的三维线段择优重建 |
3.3.2 基于分层聚类思想的线特征近似仿射平面剖分 |
3.3.3 特征点引导的基于拓扑顺序的平面构建方法 |
3.3.4 特征角点引导的平面边界构造与补充 |
3.3.5 基于稳健三维线段与特征角点的模型验证与精纠正 |
3.4 实验验证与分析 |
3.4.1 三维线段重建精度验证 |
3.4.2 模型视觉效果验证 |
3.4.3 建模效率对比 |
3.4.4 模型精度验证 |
3.4.5 模型表面可靠性验证 |
3.4.6 实验分析 |
3.5 本章小结 |
第四章 基于线特征辅助的建筑物三维点云模型优化方法 |
4.1 基本概念与算法基础 |
4.1.1 点云数据获取 |
4.1.2 点云滤波 |
4.1.3 构建物方三角网 |
4.1.4 三角网格优化 |
4.2 基于线特征辅助的建筑物三维点云模型优化思路与流程 |
4.3 基于线特征辅助的建筑物三维点云模型优化算法 |
4.3.1 数据处理 |
4.3.2 基于三角面片的模型平面拟合与优化 |
4.3.3 基于三维线特征辅助的模型边缘优化 |
4.3.4 实验验证与分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.1.1 论文工作 |
5.1.2 创新点 |
5.2 未来展望 |
致谢 |
参考文献 |
作者简历 |
(3)高分辨测绘卫星星上压缩影像质量评价(论文提纲范文)
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状及存在的问题 |
1.3 本文研究内容 |
2 影像压缩 |
2.1 实验影像数据 |
2.2 星上主要压缩算法 |
2.3 压缩试验 |
2.4 本章小结 |
3 构像质量评价 |
3.1 影像特征分析 |
3.2 影像对比分析 |
3.3 评价实验与结果 |
3.4 本章小结 |
4 DSM产品精度评价 |
4.1 DSM生产方法 |
4.2 DSM产品精度评价方法 |
4.3 评价实验与结果 |
4.4 本章小结 |
5 多光谱影像应用能力评价 |
5.1 分割一致性评价 |
5.2 分类精度评价 |
5.3 本章小结 |
6 总结和展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(4)基于改进AKAZE特征的无人机影像匹配算法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 选题背景与意义 |
1.2 国内外研究现状 |
1.3 研究内容与技术路线 |
1.4 论文组织结构 |
2 基于特征的影像匹配原理与实验分析 |
2.1 影像匹配定义 |
2.2 影像匹配几何变换模型 |
2.3 影像匹配评价标准 |
2.4 基于特征的影像匹配算法 |
2.5 本章小结 |
3 基于改进AKAZE特征的无人机影像匹配 |
3.1 基于AKAZE-OpponentFREAK特征的无人机正射影像匹配 |
3.2 基于Affine-AKAZE算法的倾斜影像匹配 |
3.3 本章小结 |
4 影像拼接与基于多视影像的三维点云提取 |
4.1 基于AKAZE-OpponentFREAK算法的无人机影像拼接 |
4.2 基于多视影像的三维点云提取 |
4.3 本章小结 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
作者简介 |
学位论文数据集 |
(5)面向分类的遥感影像压缩质量评价(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 遥感影像质量评价方法 |
1.2.2 压缩遥感影像分类精度研究 |
1.3 主要研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 章节安排 |
1.5 本章小结 |
2 遥感影像压缩技术 |
2.1 概述 |
2.2 基于小波变换的压缩算法 |
2.3 JPEG 2000压缩标准 |
2.4 压缩遥感影像质量评价 |
2.4.1 主要失真类型 |
2.4.2 峰值信噪比 |
2.4.3 结构相似度 |
2.4.4 压缩遥感影像质量评价实验 |
2.5 小结 |
3 遥感影像分类 |
3.1 概述 |
3.2 多尺度影像分割 |
3.3 遥感影像监督分类 |
3.3.1 最大似然分类器 |
3.3.2 支持向量机分类器 |
3.3.3 决策树分类器 |
3.3.4 随机森林分类器 |
3.4 分类精度评定方法 |
3.5 压缩遥感影像分类实验 |
3.5.1 数据集介绍 |
3.5.2 训练样本选择 |
3.5.3 分类过程 |
3.5.4 精度评定和结果分析 |
3.6 小结 |
4 面向像元的压缩遥感影像分类精度预测模型 |
4.1 概述 |
4.2 遥感场景统计特征 |
4.2.1 光谱特征 |
4.2.2 纹理特征 |
4.2.3 形状特征 |
4.3 基于多核学习的分类精度预测模型 |
4.3.1 多核学习 |
4.3.2 基于多核学习的分类精度建模 |
4.3.3 特征分析 |
4.4 本章小结 |
5 总结与展望 |
参考文献 |
致谢 |
(6)光学遥感立体测绘技术综述及发展趋势(论文提纲范文)
0 引 言 |
1 国内外测绘技术发展现状 |
1. 1 国外测绘技术发展现状 |
1. 2 国内测绘技术发展现状 |
2 卫星立体测绘技术 |
2. 1 测绘相机与时间同步技术 |
2. 2 卫星定轨定姿技术 |
2. 3 几何定标与立体测图技术 |
2. 4 影像压缩及其质量评价技术 |
2. 4. 1 影像压缩技术 |
2. 4. 2 影像压缩质量评价技术 |
3 卫星立体测绘技术发展趋势 |
4 结束语 |
(7)图像压缩对影像质量影响评价方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 影像压缩技术的发展 |
1.3 典型的遥感影像压缩算法 |
1.3.1 JPEG 压缩算法 |
1.3.2 SPIHT 压缩算法 |
1.3.3 JPEG2000 压缩算法 |
1.4 压缩遥感影像质量评价技术 |
1.4.1 研究意义 |
1.4.2 评价内容与原则 |
1.4.3 研究现状 |
1.5 本文研究内容和组织结构 |
第二章 构像质量评价 |
2.1 主观质量评价 |
2.2 客观构像质量评价方法 |
2.2.1 影像特征分析 |
2.2.2 影像对比分析 |
2.2.3 影像应用分析 |
2.2.4 基于结构相似度的构像质量评价模型 |
第三章 几何质量评价 |
3.1 基于 DSM 精度评价 |
3.2 基于影像匹配精度评价 |
3.2.1 特征匹配 |
3.2.2 最小二乘匹配 |
3.2.3 基于特征点提取与最小二乘匹配联合的影像压缩检测方法 |
第四章 压缩遥感影像构像质量评价试验 |
4.1 主观质量评价试验 |
4.2 压缩对影像分类影响的试验 |
4.3 压缩影像的表观试验 |
第五章 压缩遥感影像几何质量评价试验 |
5.1 基于 DSM 精度评价试验 |
5.1.1 利用航空影像生成 DSM 的精度评价试验 |
5.1.2 利用卫星影像生成 DSM 的精度评价试验 |
5.2 基于特征点提取与最小二乘匹配联合的影像压缩检测试验 |
第六章 总结与展望 |
参考文献 |
致谢 |
(8)基于点线特征匹配的无人机影像拼接技术(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 无人机影像匹配的国内外研究现状 |
1.3 无人机影像拼接的国内外研究现状 |
1.4 研究目标与内容 |
1.4.1 研究目标 |
1.4.2 研究内容 |
1.5 论文结构安排 |
第2章 影像匹配与拼接的理论与方法 |
2.1 影像匹配的原理 |
2.2 无人机影像匹配存在的问题 |
2.3 影像拼接的方法 |
2.4 无人机影像拼接存在的问题 |
2.5 本章小结 |
第3章 无人机影像质量的提高对匹配可靠性的改善 |
3.1 提高无人机影像获取质量 |
3.1.1 无人机遥感平台的组成 |
3.1.2 无人机遥感常用坐标系简介 |
3.1.3 无人机航线规划中飞行参数的分析与设置 |
3.1.4 利用优化组合的飞行参数获取无人机影像 |
3.2 消除影像畸变差对匹配的影响 |
3.2.1 畸变差参数解算 |
3.2.2 畸变差校正改善影像质量 |
3.3 消除影像曝光不均对匹配的影响 |
3.4 本章小结 |
第4章 特征点线结合的匹配技术对匹配鲁棒性的提高 |
4.1 尺度空间中特征提取 |
4.2 基于尺度空间理论的SIFT特征点提取方法 |
4.2.1 构造差分尺度空间 |
4.2.2 特征检测 |
4.2.3 确定关键点位置及尺度 |
4.2.4 生成关键点 |
4.3 估算影像重叠区域提高匹配效率 |
4.4 确定最优高斯核尺寸提高匹配效率 |
4.5 基于Canny算子的特征线提取 |
4.5.1 Canny算子检测特征线的三个原则 |
4.5.2 Canny算子检测特征线的流程 |
4.5.3 Canny算子阈值设置对检测无人机影像线特征的影响 |
4.6 特征点线结合的无人机影像匹配方法 |
4.6.1 基于欧式距离的粗匹配 |
4.6.2 基于RANSAC算子的精匹配 |
4.6.3 联合匹配中特征点的筛选原则 |
4.6.4 基于多项式原理的粗校正 |
4.6.5 基于小面元微分的精校正 |
4.6.6 特征点线结合的匹配方法对匹配鲁棒性提高的实验 |
4.7 本章小结 |
第5章 无人机影像拼接误差控制策略 |
5.1 无人机影像拼接误差来源 |
5.2 无人机影像拼接模型几何特性分析 |
5.3 无人机影像拼接模型的选择 |
5.3.1 无人机影像拼接模型介绍 |
5.3.2 无人机影像拼接模型误差对比 |
5.4 无人机影像拼接过程中的误差传播规律分析 |
5.5 最佳重叠度对拼接误差的改善 |
5.6 最佳基准影像对拼接误差的改善 |
5.7 最优路径选择对拼接误差的改善 |
5.7.1 蚁群算法概述 |
5.7.2 算法设计 |
5.7.3 最优路径的搜索 |
5.8 无人机影像拼接误差控制策略实验 |
5.8.1 拼接影像的选取方法 |
5.8.2 设计拼接影像的分块 |
5.8.3 计算影像信息熵确定最佳基准影像 |
5.8.4 确定最优拼接路径 |
5.8.5 无人机影像拼接误差控制实验结果与分析 |
5.9 本章小结 |
第6章 结论与展望 |
6.1 研究总结 |
6.2 研究结论 |
6.3 研究工作展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的论文及科研成果 |
(9)点、线结合下的多源高分辨率遥感影像匹配(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 特征匹配研究现状 |
1.3 研究内容 |
1.4 技术路线 |
2 影像匹配基本原理 |
2.1 影像匹配步骤 |
2.2 影像匹配基元 |
2.2.1 基于区域的影像匹配 |
2.2.2 基于特征的影像匹配 |
2.2.3 多基元影像匹配 |
2.3 匹配方法评价 |
3 特征点提取方法研究 |
3.1 特征点提取算法综述 |
3.2 特征点提取 |
3.2.1 Moravec算子原理 |
3.2.2 Forstner算子原理 |
3.2.3 Harris算子原理 |
3.2.4 SUSAN算子原理 |
3.2.5 SIFT算子原理 |
3.3 特征点提取试验与结果分析 |
3.4 本章小结 |
4 分区域改进Hough直线提取方法 |
4.1 边缘检测算法原理 |
4.1.1 传统边缘检测算子 |
4.1.2 最优边缘检测算子 |
4.1.3 边缘检测算子试验与分析 |
4.2 分区域改进Hough直线提取原理 |
4.2.1 直线提取算法综述 |
4.2.2 Hough变换基本原理 |
4.2.3 传统Hough变换局限性 |
4.2.4 分区域改进Hough变换原理 |
4.3 直线提取结果与分析 |
4.4 本章小结 |
5 多源影像匹配 |
5.1 Geo-eye和Ikonos基于SIFT特征点粗匹配 |
5.1.1 基于SIFT特征点匹配 |
5.1.2 RANSAC算法粗差剔除 |
5.1.3 仿射变换模型粗匹配 |
5.2 Geo-eye和Ikonos基于直线和虚拟角点结合精匹配 |
5.2.1 虚拟角点概念 |
5.2.2 基于直线匹配 |
5.2.3 基于虚拟角点约束精匹配 |
5.3 WorldView和Ikonos影像匹配 |
5.4 本章小结 |
6 结论 |
参考文献 |
附录A 附录内容名称 |
作者简历 |
学位论文数据集 |
(10)遥感影像压缩失真度量研究及应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 相关研究进展及存在问题 |
1.2.1 国内外研究进展 |
1.2.2 存在的问题 |
1.3 本文的研究内容 |
1.3.1 研究目标 |
1.3.2 技术路线 |
1.3.3 文章结构与安排 |
第二章 遥感影像压缩及主要失真类型 |
2.1 遥感影像压缩的基本原理 |
2.2 主要压缩算法简介 |
2.2.1 卫星遥感影像压缩技术概述 |
2.2.2 JPEG-LS |
2.2.3 SPIHT |
2.2.4 JPEG2000 |
2.3 主要失真类型分析 |
2.4 遥感影像压缩示范 |
2.5 本章小结 |
第三章 遥感影像压缩的判读质量分析 |
3.1 遥感影像压缩对判读质量的影响 |
3.2 主观分析评价方法 |
3.2.1 主观分析评价等级量表 |
3.2.2 评价人员打分 |
3.2.3 相关评价实验和结果 |
3.3 客观分析评价方法 |
3.3.1 影像辐射特性统计分析 |
3.3.2 差值影像辐射特性统计分析 |
3.3.3 相关评价实验和结果 |
3.4 本章小结 |
第四章 遥感影像压缩的几何质量分析 |
4.1 影像特征点"位移"的概念 |
4.1.1 像素平面坐标系 |
4.1.2 特征点"位移" |
4.2 遥感影像压缩对匹配精度的影响 |
4.2.1 匹配精度分析方法 |
4.2.2 主要的匹配算法 |
4.2.3 最小二乘匹配算法 |
4.2.4 相关评价实验和结果 |
4.3 本章小结 |
第五章 遥感影像压缩的应用能力分析 |
5.1 自动生成DSM精度分析 |
5.1.1 自动生成DSM精度分析方法 |
5.1.2 相关评价实验和结果 |
5.2 影像分类精度分析 |
5.2.1 影像分类精度分析方法 |
5.2.2 相关评价实验和结果 |
5.3 影像分割一致性分析 |
5.3.1 影像分割一致性分析方法 |
5.3.2 相关评价实验和结果 |
5.4 影像灰度剖面分析 |
5.4.1 影像灰度剖面分析方法 |
5.4.2 相关评价实验和结果 |
5.5 本章小结 |
第六章 遥感影像压缩失真度量分析评价体系 |
6.1 失真度量分析的主要指标及内容 |
6.2 失真度量分析的主要技术流程 |
6.3 失真度量分析软件原型系统 |
6.4 本章小结 |
第七章 总结和展望 |
7.1 总结 |
7.1.1 主要研究内容 |
7.1.2 主要创新点 |
7.2 展望 |
附件1 客观质量评价实验统计数据 |
参考文献 |
攻读博士期间的科研工作 |
后记 |
四、图像压缩对影像匹配精度影响的研究(论文参考文献)
- [1]遥感影像匹配的双通道全卷积网络算法研究[D]. 杨心雨. 辽宁工程技术大学, 2021
- [2]基于倾斜影像线特征的建筑物三维模型重建与优化方法研究[D]. 曹林. 战略支援部队信息工程大学, 2020(03)
- [3]高分辨测绘卫星星上压缩影像质量评价[D]. 林瑶瑶. 山东科技大学, 2019(05)
- [4]基于改进AKAZE特征的无人机影像匹配算法研究[D]. 宋伟. 中国矿业大学, 2019(10)
- [5]面向分类的遥感影像压缩质量评价[D]. 谭可清. 武汉大学, 2018(06)
- [6]光学遥感立体测绘技术综述及发展趋势[J]. 朱红,刘维佳,张爱兵. 现代雷达, 2014(06)
- [7]图像压缩对影像质量影响评价方法研究[D]. 郭涛. 长安大学, 2013(06)
- [8]基于点线特征匹配的无人机影像拼接技术[D]. 何敬. 西南交通大学, 2013(10)
- [9]点、线结合下的多源高分辨率遥感影像匹配[D]. 李建晔. 辽宁工程技术大学, 2012(05)
- [10]遥感影像压缩失真度量研究及应用[D]. 孙承志. 武汉大学, 2010(05)