摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景与意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 无人机遥感技术国内外研究概况 | 第11-12页 |
1.2.2 无人机遥感影像拼接国内外研究概况 | 第12-13页 |
1.2.3 变化用地检测技术国内外研究概况 | 第13-14页 |
1.3 论文研究内容及组织结构 | 第14-16页 |
1.3.1 研究内容 | 第14-15页 |
1.3.2 组织结构 | 第15-16页 |
第二章 大规模旧时相影像特征点预处理算法研究 | 第16-30页 |
2.1 特征点检测算法 | 第16-22页 |
2.1.1 特征点的概念 | 第16-17页 |
2.1.2 几种典型的特征点检测算法 | 第17-22页 |
2.2 特征点检测算法的选择与验证 | 第22-26页 |
2.3 特征点预处理算法 | 第26-29页 |
2.3.1 匹配库的建立 | 第26页 |
2.3.2 特征点的检索与组织 | 第26-28页 |
2.3.3 实验及分析 | 第28-29页 |
2.4 本章小结 | 第29-30页 |
第三章 无人机影像与旧时相影像粗—精双匹配递推模型 | 第30-40页 |
3.1 基于POS系统快速粗匹配定位算法 | 第30-32页 |
3.1.1 机载POS系统理论 | 第30-31页 |
3.1.2 基于POS系统快速定位算法 | 第31-32页 |
3.2 基于特征点精确匹配定位算法 | 第32-38页 |
3.2.1 特征匹配 | 第32-33页 |
3.2.2 K近邻算法 | 第33-34页 |
3.2.3 K近邻算法的实现及改进 | 第34-36页 |
3.2.4 基于BBF的特征点精确匹配定位算法 | 第36-37页 |
3.2.5 实验分析 | 第37-38页 |
3.3 本章小结 | 第38-40页 |
第四章 融合颜色纹理与特征点的变化用地检测算法 | 第40-74页 |
4.1 总体技术流程 | 第40-43页 |
4.2 新旧时影像感兴趣区域提取方法 | 第43-49页 |
4.2.1 RANSAC算法 | 第43-44页 |
4.2.2 坐标转换原理 | 第44-46页 |
4.2.3 单应矩阵 | 第46-47页 |
4.2.4 基于RANSAC算法和单应矩阵的感兴趣区域提取 | 第47-49页 |
4.3 基于直方图信息的变化检测算法 | 第49-53页 |
4.3.1 RGB直方图 | 第49-50页 |
4.3.2 灰度直方图 | 第50-52页 |
4.3.3 基于直方图的变化检测预判 | 第52-53页 |
4.4 基于特征点精匹配的变化检测算法 | 第53-62页 |
4.4.1 匹配精度 | 第53-54页 |
4.4.2 基于比值和RANSAC相结合的匹配对提纯算法 | 第54-55页 |
4.4.3 基于特征点精匹配的变化检测算法 | 第55-62页 |
4.5 对应区域分块检测算法 | 第62-66页 |
4.5.1 纹理特征 | 第62-64页 |
4.5.2 分块 | 第64页 |
4.5.3 基于颜色和纹理特征的变化检测算法 | 第64-66页 |
4.6 变化区域识别算法 | 第66-73页 |
4.6.1 识别算法总体流程 | 第66-67页 |
4.6.2 差值影像法 | 第67-68页 |
4.6.3 基于插值法的图像缩放变换 | 第68-71页 |
4.6.4 基于差值影像法的变化信息提取 | 第71-72页 |
4.6.5 实验及分析 | 第72-73页 |
4.7 本章小结 | 第73-74页 |
第五章 基于旧时相影像的同步拼接算法研究 | 第74-84页 |
5.1 无人机影像拼接的基本理论与方法 | 第74-80页 |
5.1.1 图像拼接基本流程 | 第74页 |
5.1.2 图像预处理 | 第74-76页 |
5.1.3 图像配准 | 第76-77页 |
5.1.4 图像融合 | 第77-78页 |
5.1.5 实验及分析 | 第78-80页 |
5.2 新旧时相影像同步拼接算法 | 第80-83页 |
5.2.1 基于旧时相影像的同步拼接算法 | 第80-81页 |
5.2.2 基于旧时相的新时相影像拼接实验 | 第81-82页 |
5.2.3 实验分析 | 第82-83页 |
5.3 本章小结 | 第83-84页 |
第六章 总结与展望 | 第84-86页 |
6.1 总结 | 第84页 |
6.2 展望 | 第84-86页 |
致谢 | 第86-88页 |
参考文献 | 第88-92页 |
攻读硕士期间取得学术成果 | 第92页 |