一、人工干预下全彩色航片建筑信息的提取(论文文献综述)
王建飞[1](2021)在《基于遥感技术的建筑抗震因子提取与应用研究》文中提出开展建筑抗震能力影响因子(下文简称“抗震因子”)调查,预测地震情景下的建筑破坏比,是编制区域防震减灾规划、制定区域抗震设防水准的重要依据。受“保障生命”的抗震设计思路影响,传统的单体建筑抗震能力验算重点在于研究单体建筑的物理响应机制、建立建筑破坏概率模型。在此基础上,通过影响建筑破坏率的“结构、高度、设防等级”等抗震因子加权,建立了丰富的区域建筑震害预评估模型。近年来,在“保障性态”的抗震设计新思路下,建筑抗震能力评估不仅考虑建筑本身的破坏概率,还增加了“建筑使用功能、人员伤亡、经济损失”等社会影响方面的考虑。在传统的“结构、高度、设防等级”等抗震因子体系中引入“设防水准、人口密度、经济密度”等空间分布差异显着的因素,综合开展城市群、建筑群建筑抗震能力,构建地震情景,预评估建筑破坏比、人员伤亡和经济损失是当前建筑抗震能力评估的新趋势。第一次全国自然灾害风险普查对我国的建筑抗震因子数据调查提出了“范围更广、效率更高”的需求。然而,由于我国地域辽阔且建筑基础数据库不完整,加之,传统实地调查方法难度大、成本高且效率较低。如何建立快速、高效、低成本的大范围建筑抗震因子调查方法,建立适合大空间尺度的震害预评估流程,是我国自然灾害风险普查亟需解决的关键科学问题。针对建筑群震害预评估中的抗震因子参数难获取的问题,本论文研究了各类遥感数据与Web大数据信息相结合的建筑群抗震因子提取方法,结合灯光遥感数据,统计分析了人口与经济等承灾体的时空分布特征,构建了基于遥感的震害预评估流程与方法。本文取得的主要成果包括:(1)基于建筑震害等级和震害指数,研究了影响建筑抗震能力的主要因素,分析了各类遥感影像的“光谱特征、纹理特征、相位特征”等遥感指数与建筑“轮廓、高度、年代”等抗震因子的关系,介绍了各类建筑抗震因子的遥感提取原理。基于遥感提取的建筑抗震因子(下文简称“遥感抗震因子”)概率化分布特点,给出了基于遥感抗震因子的建筑破坏比预评估方法。(2)构建了基于遥感数据的建筑群抗震因子提取流程与方法。结合Web大数据改进了K-means影像分类算法,提出了网络数据与遥感数据相结合的建筑区快速提取技术,提取精度可达到90%以上;针对国内建筑属性数据库不完善的问题,提出了“城市、乡镇、农村”三级抽样的建筑抗震因子获取方法,评估了“人口普查数据”和“1%人口抽样调查数据”的建筑属性分布率随时间变化特征,在双侧精度99%置信区间内,全国各省份建筑属性结构在10年内无显着变化。最终认为,“人口普查数据”中的建筑属性分布概率可作为区域建筑抗震因子参数输入区域建筑破坏比预评估模型。(3)建立了单体建筑抗震因子的遥感提取方法与流程。基于机器学习的Seg Net模型建立了基于GF-2的0.8m分辨率建筑轮廓提取方法,平均提取精度92.14%;提出了基于永久散射体合成孔径雷达干涉测量(Persistent Scatterer Interferometric Synthetic Aperture Radar,PS-In SAR)相位残差的建筑高度提取方法,结果的误差均值为-0.06层,误差均方差为2.01层(样本最大楼层数为29层),能够满足建筑易损性曲线评估模型的要求;建立了基于时序光学遥感数据和web大数据的建筑年代变化检测方法,90年代以前老旧建筑的识别率46.15%,90年代建筑识别率63.55%,2000-2010年建筑识别率84.23%,2010年以后建筑识别率90.91%;尝试基于PS-In SAR的时序形变数据,探索考虑大型建筑热胀冷缩系数的结构鉴定方法,结构判别精度可达到70.17%。(4)分别以首都圈和四川为研究区,基于模糊评价法与建筑易损曲线,实现了应用遥感技术进行建筑震害预评估。以首都圈当前建筑震害因子数据为例,复现1976年唐山地震,预评估了首都圈建筑群破坏比,产出县域尺度的建筑抗震指数与模拟的宏观地震烈度;以四川省2008年汶川地震前后遥感数据为例,模拟了2008年四川省建筑震害、震中区县人员伤亡及建筑经济损失,验证了本方法的震害损失预评估精度。
郑志峰[2](2020)在《高分辨率卫星影像分类及变化检测算法研究》文中进行了进一步梳理随着城市化的快速发展,由此引发的城镇建设用地不断增加,同时耕地、林地被占用等一系列地表快速变化等问题,引起各级土地管理部门的高度关注。然而,如何快速、及时、准确地发现城市土地利用变化情况和信息是关键问题,遥感变化检测技术为解决这一问题提供了科学方法。高分影像为准确提取地表变化信息提供了丰富的数据基础,同时,由于高分影像的多分辨率为经典变化检测方法带来了新的困难与问题。高分影像在多分辨率、多尺度环境下的同谱异物与异物同谱问题、纹理结构的尺度问题、类内方差减小同时类间方差增大问题等等,都是高分影像变化检测的困难问题。为此,本文紧紧围绕着地表变化检测中突出的问题,从高分影像的脊波变换特征、融合特征以及卷积神经网络等方面进行多尺度变化检测算法研究,旨在综合利用高分影像多分辨率信息,减弱预处理过程及检测过程中的误差影响,从而增强地表变化检测结果的准确性与合理性,构建新的变化检测方法,为变化检测技术应用及生产实践提供理论支持。主要研究工作及创新点如下:创新性的提出了高分影像分类与变化检测处理技术:基于脊波、卷积神经网络的高分影像分类算法和基于光谱特征级融合及多尺度分割投票决策的变化检测算法。基于脊波、卷积神经网络的分类算法是在脊波理论及卷积神经网络的理论基础上,将脊波提取的“低水平”的简单特征与神经网络提取的“高水平”特征相融合。由于在提取特征的过程中,使用脊波提取的“低水平”特征减少了融合特征对训练集的依赖性,使得融合特征更加独立;而卷积神经网络在此过程中又抑制了噪声的产生及提高分类区域的一致性,最终提高了影像的分类精度。基于光谱特征级融合及多尺度分割投票决策的变化检测方法则是提出了一种提高变化检测精度的方法框架。此方法由影像融合算法开始,分别使用不同的算法提取影像的多尺度特征,然后通过这些提取的特征融合为特征层,然后通过曼哈顿距离量测不同时相间融合特征向量之间的变化幅度,并以Otsu法进行分割后得到二值变化检测图。随后采用“少数服从多数”的投票策略,对目标内的每个像素进行标记,并最终形成变化检测图。从最终的实验结果来看,将基于脊波、卷积神经网络的高分影像分类算法与目前最先进的五种算法相比较,其结果具有一定优势。基于光谱特征级融合及多尺度分割投票决策的变化检测方法在三组数据中进行实验,实验结果表明,与单独使用原始光谱特征和其他先进的变化检测方法相比,该方法获得了更好的性能。最后,将本文算法应用于土地调查的实际数据中,取得了较好的效果,充分表明本文算法研究的有效性和对实际工作的适应性。
刘远[3](2020)在《基于无人机影像建模的土方监测系统研究》文中研究指明随着测绘技术和电子信息技术的迅速发展,以消费级无人机为飞行平台的低空摄影测量系统已成为地理空间信息获取的重要手段。与传统摄影测量技术相比,无人机低空摄影测量系统具有高分辨率、高效率、高机动性、低成本等显着优势,已广泛应用于地理国情监测、数字城市建模、勘察测绘等领域。在工程测量应用中,该系统由于受飞行器、飞控平台、摄影相机、飞行参数、处理技术等因素影响,在测量精度、可靠性及作业自动化等方面还有待进一步改进。为此,本文以土方工程的精准、自动监测为目标,通过现场实验和仿真设计探讨无人机摄影测量用于土方监测的技术途径。主要研究内容及结果如下:(1)针对土方工程测量特点和精度要求,制定了无人机低空摄影测量数据采集和处理的作业流程并讨论了影像建模的关键技术。通过设置合理的航摄参数并对相机进行畸变纠正使无人机航摄影像的分辨率和理论精度满足土方测量要求。通过现场航摄获取实验区多期高分辨率影像数据,利用MATLAB软件对影像辐射校正,并验证了 SIFT图像匹配算法和RANSAC误匹配点剔除算法的实际效果,使用ContextCapture软件完成了实验区多期影像的精细建模。(2)通过实验数据分析了基于无人机影像建模的DSM误差特征和多期DSM叠加的精度可靠性,针对土方工程特点提出了基于基坑边缘特征点二次配准的土方测量精度改进方法。通过精度对比分析确定了最优像控布设方案,并对多期DSM叠加的相对精度和可靠性进行了统计分析。利用基坑边缘处的高程变化特征,通过泰森多边形面积加权法改正高程系统误差,并根据多期高程特征点的偏移量进行DEM的二次配准,有效改正了 DEM平面位置偏差所带来的高程误差。实例验证表明,该方法基本消除了基坑边缘高程点的突变误差,提高了无人机摄影监测土方变化的实际精度。(3)针对土方变化自动化监测的工程需求,设计了一种基于无人值守、自动起降的无人机摄影监测系统。包括系统数据采集、无人机自动起降台、通信和数据管理与处理等功能模块,阐述了系统各功能层及其相互逻辑关系;确定了无人机平台的配置参数;详细设计了系统的自动起降台,明确了无人值守的无人机摄影测量系统的作业流程。在此基础上,通过Matlab/Simulink仿真了无人机的降落过程和降落精度,初步验证了该系统应用于土方自动化监测的可行性,具有一定的实用前景。
王佩佩[4](2020)在《无人机倾斜摄影在露天绿色矿山建设监测与评价中的应用》文中指出我国矿产资源的开采是以粗放型的开采为主,尤其是在露天矿山的开采过程中,对地质、生态环境等的破坏无可避免,这就需要加强对矿山开采的监管,绿色矿山建设以矿业可持续发展为核心,能有效减少矿山开采带来的问题及弊端。基于我国矿产资源开发利用现状和相关部门对于矿山监管的要求,无人机倾斜摄影这种机动性强、分辨率高、有针对性且对经费要求低的遥感监测手段应用于矿山监测十分必要。本文研究内容涉及三个方面:(1)在重庆市露天矿山进行无人机倾斜摄影测量实验,获得DOM、DSM以及三维模型成果,在此成果的基础上对DOM从野外识别标志与影像解译标志两个方面进行露天矿山解译标志的建立,并将其应用到重庆市某区的矿山解译中。(2)根据解译成果以及调查信息和相关资料,参考《重庆市绿色矿山建设标准评价指标体系》,运用熵值法与综合指数法对某区绿色矿山建设进行综合评价。(3)针对绿色矿山建设监测过程中的开采秩序问题,如何进行定量描述做了讨论,并运用直接体积法对越界开采量做了估算。得到的主要结论如下:(1)无人机倾斜摄影测量在露天绿色矿山建设监测中实用性强、精度高、其有关精度要求都能满足。工作流程包括前期准备、外业采集、内业处理和实地验证,利用RTK实地验证所得的成果DSM高程误差最大为18cm,最小为2cm,最大的一处点高程误差产生的原因是无人机航拍到RTK验证这段时间内开采行为;DOM平面误差最大为5cm,最小为2cm。(2)建立了基于无人机DOM的解译标志,从应用结果来看,解译标志建立较为成功,经野外验证发现总体正确率为94%,采场与固体废弃物解译正确率可达100%。能够为绿色矿山建设要素提取起指导作用,促进信息提取准确率与效率的提高。(3)根据《重庆市绿色矿山建设标准评价指标体系》结合具体矿山环境选取指标,运用熵值法与综合指数法对重庆市某区绿色矿山建设进行评价,结果表明:研究区五矿山中绿色矿山建设情况最好的是BXK矿山,最差的为HY矿山,据实地调查结果,评价结果符合实际情况,具有科学性,能够为绿色矿山监测与评价提供指导与借鉴。在评价指标内部,情况也存在差异,矿区环境、节能减排、地质环境治理与恢复方面综合得分较低,因此在今后的绿色矿山建设中要加强矿区环境建设、加强节能减排建设、加强地质环境治理与恢复。(4)基于DSM的开采量估算是根据相关实践经验,运用直接体积法,探讨了两种不同情况下的越界开采量估算,剔除地表多余地物用修正后的DSM进行越界开采量估算平面越界开采量较直接利用DSM估算减少了749.1t,标高越界开采量增加了461.9t,从总量来看,剔除地表多余地物后的DSM估算出的越界开采量比直接利用DSM估算体积得到的越界开采量更准确。本文将无人机倾斜摄影应用到露天石灰岩矿山监测中,从应用效果来看,本文监测成果精度高,能够满足矿产开采秩序和绿色矿山建设监管需要,为绿色矿山监管提供了技术支撑。
胡译文[5](2020)在《基于卷积神经网络的建筑物提取研究》文中研究指明遥感技术的发展提供了大量的数据,而建筑物是高分辨率遥感影像中的主要目标地物之一,将建筑物从这些海量的数据中自动、高效地提取出来对于城市规划等方面具有着重要的意义。目前国内外对遥感影像的建筑物的检测、识别和提取已经取得了一定的研究成果,但是建筑物的结构类型丰富、纹理特征不一,且所在的环境复杂,存在树木遮挡等特点,给建筑物提取造成了一定的困难,并不能完全满足实际需求。本文将从高分辨率遥感影像中提取建筑物作为研究目标,使用公开数据集作为实验数据。本文研究的具体内容主要分为以下几点:(1)围绕建筑物提取和卷积神经网络的主题,系统查阅了国内外的研究现状,分析归纳了目前建筑物提取的现状,详细介绍了卷积神经网络的相关基础知识,阐述了利用卷积神经网络提取建筑物的优势。(2)针对传统算法无法有效提取建筑物,本文提出了一种基于卷积神经网络的语义分割方法。该方法是在原始UNet模型的基础上进行优化和改进,添加了特征融合分支用于改善建筑物分割效果不佳的问题。同时针对分割结果边缘的不平滑问题增加了图像后处理模块以求得到更加精确的建筑物提取结果。(3)针对语义分割中只将每个像素进行了分类,本文提出了一种基于卷积神经网络的实例分割方法,将识别出的建筑物进行个体的具体区分。该方法是在原始MS RCNN模型的基础上进行优化和改进,在特征提取网络中添加空洞卷积来增大感受野,在FPN网络中添加融合路径来充分利用学习的特征,在RPN中使用Soft NMS算法以求得到更优的候选窗口。(4)针对卷积神经网络模型进行建筑物提取的边缘不平滑问题,在模型后添加全连接条件随机场的后处理模块,得到更好的建筑物提取结果。(5)在同一数据集上测试了上述方法,对比分析本文方法与传统方法,验证本文方法的有效性。研究表明:本文使用的基于卷积神经网络的建筑物提取方法可以自动、高效且准确地实现建筑物提取,改进的UNet模型和改进的MS RCNN模型都能够取得较原始模型更加优秀的建筑物提取效果。本文提出的方法对提高建筑物提取精度具有一定的参考价值。
范佳辉[6](2020)在《基于空间光谱信息协同的城市不透水层提取及热环境研究》文中认为城市不透水层分布是表征人类活动强度和生态环境变化的重要指标,对城市可持续发展管理策略的制定具有基础性数据支撑作用。遥感因其数据容易获取、可连续监测、分辨率较高、覆盖范围广等特点,因此被广泛用于城市不透水层的提取。本研究基于2013年8月11日和2018年6月6日获取得到的两期Landsat 8遥感影像,对南京市城市不透水层进行专题制图。基于像元纯度指数(Pixel Purity Index,PPI)和考虑空间、光谱协同的空间像元纯度指数(Spatial Pixel Purity Index,SPPI)分别提取植被、裸土、高反照度不透水层及低反照度不透水层四种类型端元,随后利用线性混合光谱模型(Linear Mixed Spectral Model,LMM)、双线性混合光谱模型(Bilinear Mixed Spectral Model,BMM)BP神经网络(BP Neural Network,BPNN)和支持向量机(Support Vector Machine,SVM)算法四种算法对南京城市不透水层分别进行提取。借助Google Earth高空间分辨率的遥感影像目视解译结果,对随机生成的50个90×90m的样本窗口内的不透水层数据进行验证。此外,对Landsat 8 TIRS热红外传感器遥感影像采用热辐射方程法反演南京市地表温度,并结合气象局统计的逐小时气温数据进行线性回归,结果表明:(1)利用全色波段像元亮度空间异质性辅助提取端元的方法,将全色波段的空间信息与多光谱波段的光谱信息相结合,能够有效利用两类数据的特点,提高了端元提取精度并降低了计算量。(2)线性混合光谱模型、双线性混合光谱模型以及BP神经网络、支持向量机四类算法均能有效提取城市不透水层。在2018年Landsat遥感影像上,利用基于SPPI的支持向量机方法反演出的城市不透水层精度最高,为91.39%,基于SPPI的BP神经网络提取得到的城市不透水层精度次之,为90.45%,利用PPI计算得到的线性光谱混合模型精度最低,为80.62%。同时,利用SPPI提取端元后进行城市不透水层提取的方式均高于基于PPI提取端元的结果。此外,无论在哪一种端元提取方式中,支持向量机的算法提取的城市不透水层精度最高,BP神经网络次于SVM,双线性光谱混合模型提取精度第三,线性光谱混合模型低于另外三种方法。随后,利用基于SPPI的支持向量机方法对2013年及2018年Landsat 8两期遥感数据进行南京市城市不透水层覆盖度制图,对比发现:在2013年到2018年间,南京市城市不透水层覆盖度有所增加。全南京市整体的城市不透水层覆盖度从2013年的28.03%提升到了2018年的29.40%。同时,南京各区的城市不透水层覆盖在这五年内均有所增加,其中溧水区的城市不透水层覆盖度增加幅度最高,为2.62%。浦口区的城市不透水层覆盖度增加百分比排名第二,为2.25%。而南京市主城区的鼓楼区、玄武区、秦淮区的城市不透水层覆盖度增加值则均低于1%。(3)基于2013年及2018年两期Landsat 8 TIRS遥感影像,采用热辐射方程法对南京市地表温度进行反演,将反演得到的地表温度结果与气象数据网获取的逐小时气温数据进行线性回归后,决定系数分别为0.8594、0.8297。(4)基于2013年及2018年两期遥感数据,对提取得到的南京城市不透水层覆盖度与反演得到的南京市地表温度结果进行相关性分析,两者的相关系数R分别为0.7090、0.7268,需要采取增加城市植被、改变城市下垫面等措施缓解城市热岛效应。
张湘宇[7](2020)在《基于影像对象与多特征融合的无人机影像建筑物提取技术研究》文中认为随着无人机技术的飞速发展,低空航空摄影测量在城市地图更新、大比例尺地形图测绘中得到迅猛发展。建筑物提取是无人机影像处理工作中最为基础和重要的内容。采用基于影像单个像素的传统图像分类方法,例如监督分类与非监督分类,在分类对象比较详细复杂的无人机影像情况下,可能无法满足准确分类的要求。随着基于对象的分类方法的提出和实现,分类的精度得到了大幅度的提升。本研究以某区域的无人机影像为实验数据,采用基于影像对象的分类方法及相关的分析软件,对分类过程中所涉及的图像处理算法、分类器中融合多种特征进行影像分类的精度等问题展开对比分析和研究。研究的内容及成果总结如下:1)针对研究区无人机影像地物细节丰富,数据冗余程度高,形成影像分类后细小地物较多、建筑物边界模糊等问题,利用sobel微分算子对图像进行滤波,达到突出图像边界的效果。2)对比分析了传统基于像素的图像分割技术与基于影像对象的分割技术及优缺点。根据ESP2算法对影像进行计算,得到最优的分割尺度。并通过实验验证,最终确定图像的最优分割尺度参数为90,形状参数为0.4,紧致度为0.5。3)使用几个参数法研究图像的形状特征与纹理特征。通过实验验证矩阵适应性与紧致度突出建筑物的轮廓信息,以便更好地进行建筑物的提取。采用e Cognition内的八种灰度共生矩阵法提取图像的纹理特征向量。通过实验对比得出GLCM中的信息熵能更好地表示研究区地物的纹理特征。4)用K最邻近分类器(KNN)与支撑向量机(SVM)方法对无人机影像进行分类。KNN的分类结果的Kappa系数为0.88,SVM分类结果为0.87。加入sobel算子以后KNN的分类精度提高到了0.96,SVM的分类精度提高到了0.90,证明了sobel算子能有效增强图像边界、提高分类精度。
李小飞[8](2020)在《基于立体影像和机载LiDAR数据的地理国情地表覆盖信息提取技术研究》文中认为随着自然资源部机构改革和业务调整逐步到位,地理国情监测成为自然资源调查监测的重要组成部分。而各类自然资源管理业务,面向的尺度是微观的、具体的,不是之前地理国情监测宏观的、综合的信息需求。应用需求的变化,对地理国情监测的内容指标与技术路线也提出了新的要求,尤其是对地表覆盖图斑界线的空间定位精度和内容的细化的准确度都提出了更高要求。传统的地理国情监测地表覆盖图斑的信息提取都是基于单景正射影像完成,虽然单景正射影像具有正确的平面信息和丰富的影像信息,但它缺失地表覆盖地类的高程信息,无法再对地表覆盖的采集精度和判读正确性进行提高。立体影像和机载LiDAR数据都具备丰富的高程信息,本文主要研究利用立体影像和机载LiDAR作为数据源进行地理国情地表覆盖分类信息提取。实验结合数据源的分布情况,选取了陕西省富县和旬邑县两处区域为研究对象,充分利用上述数据源中的地类高程信息,开展重点针对耕地、草地、灌木林、多层及以上独立房屋建筑等地表覆盖类型中易于混分的地物类型进行信息提取的实验研究。对于立体影像,实验中对卫星立体影像的预处理步骤就行了梳理,对不同影像源在空中三角测量环节进行了研究,分别在不同分辨率的立体影像下对地表覆盖信息提取的效果进行对比分析,确定实验过程中的对地类边界采集精度和地类判读准确性有明显影响的因素。对于机载LiDAR,实验中探索了点云数据的处理方法和步骤,总结了采用点云数据和同期遥感影像相结合的方式建立典型分类联合解译标志,以此为基础进行信息提取,并对提取结果进行了对比分析,同时探索了不同点云密度对提取结果的影响,为今后试生产对点云数据质量的需求提出了建议。通过实验,探索研究了采用不同数据源进行地表覆盖信息提取的实验技术路线,为今后在地理国情监测项目中采用立体影像和机载LiDAR数据源开展试生产积累技术,提出可行的技术支撑,进而为该技术在全国进行工程化推广应用奠定基础。
郭鹏[9](2019)在《黑方台农作物分区种植对地下水分布特征及滑坡灾害影响的研究》文中研究说明黑方台位于我国甘肃省永靖县盐锅峡镇,由于长期采用大水漫灌的农业灌溉方式,导致台塬地下水位不断上升,诱发了数百起黄土滑坡,被称为“现代滑坡天然试验室”,大量滑坡的产生严重制约了当地的经济发展。目前国内外学者的对黑方台灌溉水入渗机理、滑坡机理等进行了大量研究,但忽视了不同农作物灌溉分区对地下水分布特征的影响,已有的防控建议大多是改变灌溉方式和建立排水设施,未充分考虑地下水补给源头即农作物的种植结构和分布特征对地下水的影响。因此,本文以农作物不均匀灌溉为切入点,研究农作物灌溉特征与地下水分布特征之间的关系。首先,收集黑方台地区多期高空间分辨率遥感影像,在实地调查基础上,采用面向对象的遥感影分类方法提取黑方台地区多年农作物种植数据;然后,利用核密度估算法得出农作物灌溉特征,找出黑方台灌溉聚集区并分析该区各种类农作物灌溉量所占比重,确定导致灌溉聚集区的主要因素;在此基础上,将农作物灌溉特征与水位监测数据和高密度电法反演地下水分布特征进行对比分析;随后建立黑方台滑坡数据库并进行时空演化规律分析,最后以地下水分布为衔接点,通过研究地下水分布特征对滑坡演化的影响,侧面说明农作物灌溉特征对滑坡演化的影响,为后期黑方台地区科学种植提供依据。通过研究,本论文主要得到如下结论:⑴采用面向对象的多层次规则遥感影像分类方法对黑方台地区14景高空间分辨率遥感影像进行农作物提取,得到20102017年黑方台地区玉米、小麦、蔬菜等农作物分区种植特征,结果表明:黑方台各种类农作物种植具有不同的种植热区,小麦主要种植在北部,玉米主要种植在西部和北部,蔬菜主要种植在中部和东部。各种类农作物虽然单次灌溉量相差不大,但年灌溉次数相差较大,具体为:蔬菜>小麦>玉米,最终导致台塬存在四个灌溉聚集区,蔬菜是最主要的影响因素。⑵水位监测数据显示,黑方台地区地下水是不均匀上升的,台塬中部上升速率大于塬边水位上升速率;通过在黑方台布设50余条、累计长度38km的高密度剖面线反演得出的地下水位分布结果表明:黑方台地区地下水位分布不均匀,存在3个地下水位拱顶。⑶采用核密度估算得到的黑方台地区20142017年农作物灌溉特征与地下水分布特征对比发现,灌溉聚集区与地下水位拱顶能够较好的吻合,表明农作物的不均匀灌溉影响着地下水的不均匀分布。⑷建立了19722019年黑方台滑坡数据库,结果表明:黑方台地区共发育滑坡82处,其中方台发育滑坡8处,黑台74处,已累计发生滑坡215起。其中,黄土基岩型滑坡14处,累计发生滑坡21起;浅层崩滑型滑坡39处,累计发生滑坡106起;黄土泥流型滑坡6处,累计发生滑坡17起;静态液化型滑坡23处,累计发生滑坡72起。⑸根据农作物提取的时间跨度,选取黑方台党川段进行时空演化分析,结果表明:时间分布上,党川段滑坡经历着由浅层崩滑型滑坡→静态液化型滑坡这一斜坡破坏类型转变的过程;空间分布上,党川段静态液化型滑坡整体上由西向东发育。地下水累计上升是党川段近期滑坡频发和斜坡破坏类型转变的主要因素,地下水的分布特征则影响党川段静态液化型滑坡整体由西向东发育。⑹农作物灌溉特征影响地下水位分布分布特征,地下水位分布特征则影响滑坡的发育和演化,即农作物灌溉特征可影响着滑坡的演化。依据研究成果提出了黑方台农作物灌溉方式调整、种植结构调整和产业结构调整的建议,以减缓该地区滑坡的进一步发生。
徐莉萍[10](2018)在《基于多旋翼单镜头无人机倾斜摄影三维建模及精度分析》文中研究表明近年来,航空倾斜摄影测量技术成为测绘领域发展迅速的一项新技术,是目前三维地理信息采集的重要手段。航空倾斜摄影测量技术通过无人机等遥感平台搭载多个或单个高像素可见光相机对目标进行多角度或多次拍摄,根据多视影像完成目标的三维模型构建和三维信息采集工作。目前流行的多拼相机可以采用多旋翼或者固定翼作为飞行器,与单镜头相比多拼相机的优势在于可以一次性采集多个视角的倾斜影像,但其设备价格昂贵,并且需要大型无人机作为搭载平台方可执行任务,其便携性和易用性较差。相比而言,单镜头则有价格上的优势,对飞行器要求较低,机动灵活适合小范围快速作业,但其缺点也比较明显,即需要多次飞行方可完整采集倾斜影像。随着航空倾斜测量三维建模相关技术的发展和成熟,对倾斜影像姿态的要求大大降低,多旋翼无人机在近几年也成为倾斜摄影飞行平台的一种补充。它具有飞行性能稳定、开发改装潜力良好、操作难度低、购置成本和维护成本低廉等优点。因此,利用多旋翼无人机采集符合要求的倾斜影像无疑是一种较为经济的选择。但是,多旋翼无人机载重量轻、续航时间短,这些缺点又限制了它的应用范围。若是能够通过无人机搭载更为轻便、灵活的单镜头相机来采集影像数据,根据需拍摄的区域范围确定无人机的拍摄路径,得到与多镜头设备同样的拍摄功效,并且可以降低设备成本、减轻无人机的负重量,增加电池的续航时间。这样不仅能够丰富倾斜影像的获取途径,而且还能与常规的多镜头倾斜摄影方案进行优势互补。本文根据倾斜摄影测量的原理和多旋翼无人机的特点,从飞行平台和航摄相机选型、单镜头无人机倾斜摄影航线设计等方面,对多旋翼无人机单镜头倾斜摄影及三维建模技术进行较为系统的研究,通过实验对比,验证其在一定程度上替代高成本的五镜头倾斜摄影在工程应用上的可行性。本文的主要研究工作有:(1)在分析了倾斜摄影测量原理的基础上,提出了基于单镜头倾斜航摄影像数据采集的思路,并通过硬件选型、航线设计和飞行规划实现单镜头倾斜航摄影像的采集。(2)在三维建模时,针对多视角航空摄影像片的特点,总结归纳了其色彩均衡的几个主要难点。在对倾斜影像进行的预处理中,摸索出一种面向统计参数的分步分级的色彩均衡的影像处理方法,并借助Photoshop的相关工具和像片统计参数,经过暗角修正、饱和度调整、亮度调整和色调调整等步骤,解决好多视角航摄像片的各种色彩问题,实现了多视角航空摄影像片统计参数自动化计算和色彩均衡批处理。(3)研究和分析了基于多旋翼单镜头无人机的倾斜摄影三维建模,通过航线规划设计模拟出多镜头效果,再通过实验区测试,验证此方案三维建模的可行性以及作业效率和质量精度,包括:三维建模效率对比、模型整体和局部效果对比、模型平面精度对比、模型高程精度对比、模型高度精度对比。为多旋翼单镜头无人机航摄系统的生产与应用提供参考依据。
二、人工干预下全彩色航片建筑信息的提取(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、人工干预下全彩色航片建筑信息的提取(论文提纲范文)
(1)基于遥感技术的建筑抗震因子提取与应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景与意义 |
1.2 国内外研究现状 |
1.2.1 建筑抗震能力与震害预评估研究 |
1.2.2 震害预评估方法及震害影响因子研究 |
1.2.3 利用遥感技术的建筑特征提取研究 |
1.3 论文研究内容及章节安排 |
第二章 建筑抗震因子的遥感提取原理 |
2.1 建筑震害等级与抗震能力 |
2.1.1 建筑破坏等级与震害风险 |
2.1.2 震害风险指数与建筑抗震能力 |
2.2 建筑抗震能力的影响因子 |
2.2.1 建筑结构类型对抗震能力的影响 |
2.2.2 建筑设防标准对抗震能力的影响 |
2.2.3 建筑侧向刚度对抗震能力的影响 |
2.2.4 其它影响因素对抗震能力的影响 |
2.3 建筑抗震因子的遥感提取原理 |
2.3.1 光学遥感影像的建筑轮廓提取 |
2.3.2 基于干涉测量的建筑高度提取 |
2.3.3 基于遥感影像变化检测的建筑年代提取 |
2.4 基于遥感抗震因子的建筑抗震能力综合评估 |
2.4.1 建筑结构易损曲线模型 |
2.4.2 基于遥感震害因子的结构易损模型 |
2.5 小结 |
第三章 建筑群抗震因子的遥感提取技术 |
3.1 建筑群抗震因子快速提取方法 |
3.1.1 建筑群抗震能力评估指标与抗震因子 |
3.1.2 建筑群抗震因子提取流程 |
3.2 结合Web数据的遥感影像快速分类 |
3.2.1 改进K-means初始类中心点的影像分割 |
3.2.2 基于Web数据源的建筑群行政类别提取 |
3.2.3 基于先验知识的遥感影像分类 |
3.3 基于博弈分类模型的建筑群不透水面提取 |
3.3.1 不同博弈假设的建筑群提取 |
3.3.2 遥感建筑群提取结果优化 |
3.4 基于人口普查数据的建筑群抗震因子取值 |
3.4.1 全国建筑抗震因子概率分布特征 |
3.4.2 全国5-10 年内人口普查数据可用性分析 |
3.5 小结 |
第四章 单体建筑抗震因子的遥感提取技术 |
4.1 单体建筑抗震因子提取方法 |
4.2 单体建筑轮廓与楼层数提取 |
4.2.1 基于SegNet神经网络的建筑轮廓提取 |
4.2.2 基于时序PS-InSAR的楼层数提取 |
4.3 建筑建成年代的遥感变化检测 |
4.3.1 中低分辨率遥感的建筑区变化检测方法 |
4.3.2 高分辨率遥感的建筑轮廓变化检测 |
4.4 基于建筑遥感特征的结构分布概率提取 |
4.4.1 基于高度与年代的建筑结构经验判定模型 |
4.4.2 考虑建筑材料特性的结构判定模型 |
4.5 小结 |
第五章 基于灯光遥感的震害损失预评估方法 |
5.1 基于遥感技术的震害损失预评估方法 |
5.1.1 震害损失预评估原理 |
5.1.2 震害损失预评估方法 |
5.2 不同建筑类型的建筑破坏比预测参数 |
5.2.1 建筑抗震性能水准及量化指标 |
5.2.2 建筑结构的地震响应参数 |
5.2.3 建筑震害矩阵 |
5.3 基于灯光遥感的受灾人口与经济密度估计 |
5.3.1 灯光遥感数据 |
5.3.2 基于不变目标区的灯光遥感数据校正 |
5.3.3 基于夜间灯光亮度的经济密度估计 |
5.3.4 基于夜间灯光亮度的人口密度估计 |
5.4 震害损失比预测方法 |
5.4.1 建筑经济损失预评估方法 |
5.4.2 建筑倒塌造成的人员伤亡预评估方法 |
5.5 小结 |
第六章 遥感抗震因子在震害损失预评估中的应用 |
6.1 首都圈建筑抗震因子遥感提取及建筑震害预评估应用 |
6.1.1 研究区及数据来源 |
6.1.2 首都圈建筑抗震因子提取 |
6.1.3 基于唐山地震情景的首都圈震害预评估 |
6.2 基于遥感抗震因子的震害预评估验证——以汶川地震为例 |
6.2.1 研究区概述 |
6.2.2 研究区建筑破坏比预测结果 |
6.2.3 研究区建筑损失比预测 |
6.2.4 研究区损失预评估结果对比验证 |
6.3 小结 |
第七章 结论与讨论 |
参考文献 |
致谢 |
作者简介 |
攻读博士期间参加的科研项目 |
攻读博士期间发表的文章 |
(2)高分辨率卫星影像分类及变化检测算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 高分影像 |
1.1.2 高分影像分类及变化检测技术 |
1.2 国内外研究现状 |
1.2.1 分类算法 |
1.2.2 变化检测算法 |
1.3 研究意义 |
1.4 研究目标和研究路线 |
1.5 论文的组织结构 |
第二章 影像分类与变化检测技术 |
2.1 影像分类技术概述 |
2.1.1 遥感影像传统分类方法 |
2.1.2 遥感影像深度学习分类方法 |
2.1.3 一般分类方案 |
2.2 目前分类技术的缺陷 |
2.3 变化检测技术概述 |
2.3.1 变化检测的概念 |
2.3.2 变化检测的方法 |
2.3.3 变化检测数学模型的建立 |
2.3.4 变化检测的基本流程 |
2.4 目前变化检测技术存在的缺陷 |
第三章 基于脊波、卷积神经网络的高分影像分类算法 |
3.1 脊波理论 |
3.1.1 小波分析及多尺度几何分析 |
3.1.2 脊波理论 |
3.2 卷积神经网络 |
3.2.1 人工神经网络出现及发展 |
3.2.2 卷积神经网络 |
3.3 基于脊波、卷积神经网络的高分影像分类算法 |
3.3.1 算法的整体思路 |
3.3.2 低分辨率样本的产生 |
3.3.3 脊波滤波器 |
3.3.4 多分辨率卷积神经网络模型(MRCNNS) |
3.4 实验说明 |
3.4.1 实验数据说明 |
3.4.2 实验设计和参数分析 |
3.5 实验结果与分析 |
3.5.1 结果比较 |
3.5.2 训练样本数量对分类精度的影响分析 |
3.5.3 结果分析 |
第四章 基于光谱特征级融合及多尺度分割投票决策的变化检测方法 |
4.1 影像融合 |
4.1.1 影像融合的主要方法 |
4.1.2 影像融合系统框架 |
4.2 多尺度分割 |
4.2.1 尺度空间理论 |
4.2.2 影像分割 |
4.2.3 多尺度分割 |
4.3 基于光谱特征级融合及多尺度分割投票决策的变化检测方法 |
4.3.1 算法整体思路 |
4.3.2 二值变化特征影像的生成 |
4.3.3 多尺度分割投票决策 |
4.4 实验说明 |
4.4.1 实验数据说明 |
4.4.2 实验设计和参数分析 |
4.5 实验结果与分析 |
4.5.1 实验参数说明 |
4.5.2 实验结果 |
4.5.3 结果分析 |
第五章 分类及变化检测算法在土地调查中的应用 |
5.1 分类算法在土地调查数据质量评价方面的应用 |
5.1.1 应用背景分析 |
5.1.2 实验数据及步骤说明 |
5.1.3 实验结果及分析 |
5.2 变化检测算法在年度土地变更调查与遥感监测中的应用 |
5.2.1 应用背景分析 |
5.2.2 实验数据及步骤说明 |
5.2.3 实验结果及分析 |
总结与展望 |
1 全文总结 |
2 主要创新点 |
3 存在的问题及后续研究展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(3)基于无人机影像建模的土方监测系统研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 背景及意义 |
1.2 国内外研究现状 |
1.2.1 无人机低空遥感应用现状 |
1.2.2 影像匹配研究现状 |
1.2.3 土方测量技术现状 |
1.2.4 存在的问题 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 数据获取与处理 |
2.1 实验概况 |
2.2 影像获取质量控制 |
2.2.1 精度影响因素 |
2.2.2 合理航高的计算 |
2.2.3 飞行速度的控制 |
2.2.4 重叠度的确定 |
2.2.5 航线弯曲度的检查 |
2.3 影像预处理 |
2.3.1 无人机影像畸变纠正 |
2.3.2 无人机影像辐射校正 |
2.4 影像匹配 |
2.4.1 SIFT特征匹配 |
2.4.2 Harris算子 |
2.4.3 基于RANSAC算法的误匹配点去除 |
2.5 数字成果生产 |
2.5.1 生产流程 |
2.5.2 真三维模型的制作 |
2.5.3 数字表面模型的制作 |
2.5.4 数字正射影像图的制作 |
2.6 本章小结 |
3 DSM精度分析与土方监测实验 |
3.1 单期数据精度分析 |
3.2 多期DSM叠加精度分析 |
3.3 土方变化监测 |
3.3.1 DEM法与传统方法的比较 |
3.3.2 DEM制作 |
3.3.3 泰森面积加权高程误差改正 |
3.3.4 DEM二次匹配 |
3.3.5 监测数据对比 |
3.4 本章小结 |
4 无人值守的无人机土方监测系统设计 |
4.1 应用功能要求 |
4.2 总体架构 |
4.3 系统工作流程 |
4.4 无人机平台设计 |
4.4.1 无人机选型 |
4.4.2 云台相机选型 |
4.4.3 数据存储与传输 |
4.4.4 二次开发环境配置 |
4.5 无人机自动起降台设计 |
4.5.1 自动箱式机坞结构设计 |
4.5.2 自动天窗功能设计 |
4.5.3 自动续航功能设计 |
4.5.4 环境感知功能设计 |
4.6 无人机及自动起降台工作流程 |
4.7 仿真实验 |
4.8 本章小结 |
5 结论与展望 |
5.1 结论 |
5.2 创新点 |
5.3 不足与展望 |
致谢 |
参考文献 |
攻读硕士期间取得的成果、获奖情况 |
(4)无人机倾斜摄影在露天绿色矿山建设监测与评价中的应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与目的 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 研究评述 |
1.4 研究内容 |
1.5 研究思路与技术路线 |
第2章 研究区概况与数据 |
2.1 研究区概况 |
2.1.1 研究区选择 |
2.1.2 监测矿区概况 |
2.2 数据来源 |
第3章 绿色矿山建设监测流程与解译标志 |
3.1 前期准备 |
3.1.1 无人机航空摄影测量系统 |
3.1.2 倾斜摄影测量基本要求 |
3.2 工作流程与精度验证 |
3.2.1 工作流程 |
3.2.2 精度验证 |
3.3 建立解译标志 |
3.3.1 露天石灰岩矿山野外识别标志 |
3.3.2 露天石灰岩矿山无人机影像解译标志 |
3.4 露天石灰岩矿山无人机影像解译标志评价 |
3.5 本章小结 |
第4章 信息提取与绿色矿山建设评价 |
4.1 评价指标与方法 |
4.1.1 评价指标 |
4.1.2 评价方法 |
4.2 绿色矿山建设评价结果 |
4.3 绿色矿山建设评价综合分析 |
4.4 本章小结 |
第5章 基于DSM矿山越界动用量估算研究 |
5.1 实验矿山简介 |
5.1.1 交通位置 |
5.1.2 矿区概况 |
5.2 直接体积法估算越界动用量 |
5.2.1 直接体积法估算平面越界动用量 |
5.2.2 直接体积法估算标高越界动用量 |
5.3 滤波方法估算越界动用量 |
5.3.1 地物分类与信息提取 |
5.3.2 滤波方法修正DSM与越界动用量估算 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 论文创新点 |
6.3 不足与展望 |
参考文献 |
致谢 |
(5)基于卷积神经网络的建筑物提取研究(论文提纲范文)
摘要 |
ABSTRACT |
符号缩写说明 |
1 绪论 |
1.1 课题背景意义 |
1.2 国内外研究现状 |
1.3 本文研究内容 |
1.3.1 研究内容 |
1.3.2 论文结构 |
1.4 小结 |
2 卷积神经网络模型 |
2.1 卷积神经网络的概述 |
2.2 经典的卷积神经网络模型 |
2.3 基于卷积神经网络的目标检测常见方法 |
2.3.1 One-stage的目标检测常见方法 |
2.3.2 Two-stage的目标检测常见方法 |
2.4 基于卷积神经网络的图像分割常见方法 |
2.4.1 语义分割的常见方法 |
2.4.2 实例分割的常见方法 |
2.5 数据集 |
2.6 评价指标 |
2.7 小结 |
3 基于卷积神经网络的建筑物提取算法研究 |
3.1 基于传统算法的建筑物提取 |
3.2 基于卷积神经网络的建筑物提取 |
3.2.1 基于语义分割的建筑物提取 |
3.2.2 基于实例分割的建筑物提取 |
3.3 基于改进UNet的建筑物提取 |
3.3.1 调整UNet模型适应性 |
3.3.2 改进UNet模型构架 |
3.3.3 避免过拟合 |
3.3.4 边界分割效果提升 |
3.4 基于改进MS RCNN的建筑物提取 |
3.4.1 改进的特征提取网络 |
3.4.2 改进的FPN网络 |
3.4.3 区域推荐网络 |
3.4.4 边界分割效果提升 |
3.4.5 损失函数 |
3.5 图像的后处理模块 |
3.5.1 传统的图像后处理方法 |
3.5.2 CRF的图像后处理方法 |
3.6 小结 |
4 实验结果与分析 |
4.1 改进UNet的建筑物提取实验 |
4.1.1 实验环境和数据集的预处理 |
4.1.2 模型的搭建与训练 |
4.1.3 Predict图像的后处理 |
4.1.4 实验结果 |
4.1.5 实验分析 |
4.2 改进 MS RCNN 的建筑物提取实验 |
4.2.1 实验环境和数据集的预处理 |
4.2.2 模型的搭建与训练 |
4.2.3 图像后处理 |
4.2.4 实验分析 |
4.3 实验结果与分析 |
4.4 与其他方法的对比与分析 |
4.5 小结 |
5 总结与展望 |
5.1 主要研究工作与总结 |
5.2 未来展望 |
参考文献 |
致谢 |
攻读学位期间研究成果 |
(6)基于空间光谱信息协同的城市不透水层提取及热环境研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 前言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 城市不透水层的提取研究现状 |
1.2.1.1 影像分类法 |
1.2.1.2 指数法 |
1.2.1.3 光谱混合分析法 |
1.2.2 端元提取研究现状 |
1.2.3 城市不透水层应用研究现状 |
1.3 研究思路与技术路线 |
1.3.1 研究内容 |
1.3.2 论文组织形式 |
1.3.3 技术路线 |
第二章 研究区概况及数据预处理 |
2.1 研究区概况 |
2.2 数据来源 |
2.3 数据预处理 |
第三章 端元提取 |
3.1 SPPI空间纯像元指数构建原理 |
3.2 SPPI空间纯像元指数计算 |
3.3 端元提取结果 |
第四章 城市不透水层提取及地表温度反演 |
4.1 混合像元分解 |
4.1.1 线性光谱混合模型 |
4.1.2 双线性光谱混合模型 |
4.1.3 BP神经网络 |
4.1.4 支持向量机 |
4.2 城市不透水层覆盖度计算 |
4.3 精度验证 |
4.3.1 精度验证方法 |
4.3.2 精度验证结果 |
4.4 地表温度反演 |
4.4.1 热红外辐射传输方程 |
4.4.2 地表温度反演方法 |
4.4.2.1 地表比辐射率计算 |
4.4.2.2 计算黑体辐射亮度以及地表温度反演 |
4.5 地表温度反演结果 |
4.6 地表温度反演精度验证 |
第五章 不透水层时空分析及城市热环境分析 |
5.1 城市不透水层时空分析 |
5.2 城市不透水层变化驱动力分析 |
5.3 不透水层与地表温度相关性分析 |
5.4 城市生态环境建设建议 |
第六章 结论及展望 |
6.1 结论与讨论 |
6.2 研究特色 |
6.3 展望 |
攻读学位期间发表的学术论文 |
参考文献 |
(7)基于影像对象与多特征融合的无人机影像建筑物提取技术研究(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 多特征融合 |
1.2.2 机器学习分类器 |
1.3 论文主要研究内容 |
1.4 论文结构安排 |
第二章 数字图像处理算法及原理 |
2.1 图像分割 |
2.1.1 基于像素的分割技术 |
2.1.2 基于影像对象的分割技术 |
2.1.3 最优分割尺度及其特性 |
2.2 影像特征提取 |
2.2.1 形状特征 |
2.2.2 纹理特征 |
2.3 机器学习分类器 |
2.3.1 K最邻近算法 |
2.3.2 支持向量机 |
2.3.3 K最邻近算法与SVM算法的优缺点 |
2.4 本章小结 |
第三章 无人机影像获取与预处理流程介绍 |
3.1 数字图像特点与实验区域概况 |
3.1.1 遥感数字图像特点 |
3.1.2 实验区域概况 |
3.2 无人机影像处理 |
3.2.1 无人机影像处理技术路线 |
3.2.2 相机畸变参数设置 |
3.2.3 空中三角测量 |
3.2.4 无人机航片处理流程 |
3.3 数据预处理 |
3.3.1 微分算子图像增强 |
3.3.2 Sobel滤波结果分析 |
3.4 本章小结 |
第四章 无人机影像建筑物提取案例研究 |
4.1 影像处理软件简介 |
4.1.1 ENVI简介 |
4.1.2 e Cognition简介 |
4.2 图像处理 |
4.2.1 多尺度分割 |
4.2.2 形状特征与纹理特征提取 |
4.3 图像分类 |
4.3.1 训练样本选择 |
4.3.2 样本可分性评价 |
4.3.3 验证样本的选择 |
4.3.4 图像分类结果与精度评价 |
4.4 分类后处理 |
4.4.1 剔除不感兴趣类别 |
4.4.2 导出分类结果 |
4.5 算法实例分析 |
4.5.1 分类结果 |
4.5.2 分类精度 |
4.6 本章小结 |
第五章 结论与展望 |
5.1 全文总结 |
5.2 研究展望 |
致谢 |
参考文献 |
附录 A |
附录 B |
(8)基于立体影像和机载LiDAR数据的地理国情地表覆盖信息提取技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 主要研究内容 |
1.4 研究技术路线 |
1.5 论文结构 |
第二章 地表覆盖信息分类和提取概述 |
2.1 地表覆盖分类内容 |
2.2 地表覆盖对象特点分析 |
2.3 地表覆盖信息提取方法 |
2.4 地表覆盖信息采集要求 |
第三章 研究区数据源及数据预处理 |
3.1 研究区域概况 |
3.2 数据源介绍 |
3.2.1 立体影像 |
3.2.2 机载LiDAR及同期航摄影像 |
3.2.3 其他数据 |
3.3 数据预处理 |
3.3.1 影像预处理 |
3.3.2 LiDAR数据预处理 |
第四章 基于不同数据源的地表覆盖信息提取实验 |
4.1 基于立体影像的地表覆盖信息提取 |
4.1.1 数字摄影测量三维显示原理 |
4.1.2 构建立体影像 |
4.1.3 地表覆盖信息提取 |
4.2 基于机载LiDAR数据的地表覆盖信息提取 |
4.2.1 LiDAR数据提取地类信息原理 |
4.2.2 建立分类联合解译标志 |
4.2.3 地表覆盖信息提取 |
第五章 地表覆盖信息提取结果分析与生产技术流程构建 |
5.1 不同数据源提取结果的分析 |
5.1.1 立体影像提取结果分析 |
5.1.2 机载LiDAR提取结果分析 |
5.1.3 质量提升评价 |
5.1.4 应用潜力评价 |
5.2 生产技术流程构建 |
5.2.1 生产要求 |
5.2.2 生产技术流程 |
结论及展望 |
结论 |
展望 |
参考文献 |
致谢 |
(9)黑方台农作物分区种植对地下水分布特征及滑坡灾害影响的研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 选题依据及研究意义 |
1.2 国内外研究现状现状 |
1.2.1 黄土滑坡分类研究现状 |
1.2.2 灌溉诱发型黄土滑坡研究现状 |
1.2.3 遥感影像在滑坡调查中的研究现状 |
1.2.4 遥感技术在农作物分类的应用现状 |
1.3 研究内容以及技术路线 |
1.3.1 研究内容 |
1.3.2 拟解决的关键科学问题 |
1.3.3 研究思路及技术路线 |
1.3.4 主要创新点 |
第2章 研究区地质环境条件 |
2.1 研究区概况 |
2.2 气象水文 |
2.2.1 气象 |
2.2.2 水文 |
2.3 地形地貌 |
2.3.1 地形 |
2.3.2 地貌 |
2.4 地层岩性 |
2.5 水文地质条件 |
2.6 地质构造 |
2.7 人类工程活动 |
2.8 本章小结 |
第3章 数据源预处理及影像分类方法 |
3.1 遥感数据来源 |
3.1.1 历史航片 |
3.1.2 卫星影像 |
3.1.3 无人机航拍影像 |
3.2 遥感数据处理 |
3.2.1 航片数据处理 |
3.2.2 卫星影像预处理 |
3.2.3 无人机航拍影像处理 |
3.3 遥感影像分类 |
3.3.1 基于像元的遥感影像分类方法 |
3.3.2 面向对象的遥感影像分类方法 |
3.3.3 精度评价 |
3.4 本章小结 |
第4章 面向对象的黑方台农作物分类 |
4.1 黑方台农作物野外调查及解译标志建立 |
4.1.1 野外调查 |
4.1.2 解译标志建立 |
4.2 数据筛选及分类体系建立 |
4.2.1 数据筛选 |
4.2.2 分类体系建立 |
4.3 多层次影像分割 |
4.3.1 影像分割试验 |
4.3.2 多层次的最优分割尺度参数 |
4.4 对象特征选取 |
4.4.1 光谱特征 |
4.4.2 纹理特征 |
4.4.3 形状(几何)特征 |
4.5 影像分类 |
4.6 精度验证 |
4.7 小结 |
第5章 农作物灌溉特征对地下水分布特征的影响研究 |
5.1 农作物灌溉特征研究 |
5.1.1 农作物时空分布变化特征研究 |
5.1.2 基于灌溉次数的农作物灌溉特征研究 |
5.1.3 农作物灌溉分区 |
5.2 地下水分布特征研究 |
5.2.1 水位监测数据 |
5.2.2 高密度电法数据 |
5.3 小结 |
第6章 地下水分布特征对滑坡灾害的影响研究 |
6.1 黑方台黄土滑坡解译及编目 |
6.1.1 黑方台滑坡解译 |
6.1.2 黑方台滑坡编目 |
6.2 地下水分布特征与滑坡灾害演化关系研究 |
6.2.1 黑方台滑坡时空演化规律研究 |
6.2.2 党川段滑坡时空演化规律研究 |
6.2.3 地下水分布特征对党川段滑坡灾害演化的影响研究 |
6.3 防治措施建议 |
6.3.1 农业灌溉方式改变 |
6.3.2 种植结构调整 |
6.3.3 产业结构调整 |
6.4 小结 |
结论 |
致谢 |
参考文献 |
攻读学位论文期间取得学术成果 |
(10)基于多旋翼单镜头无人机倾斜摄影三维建模及精度分析(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与研究意义 |
1.2 国内外研究现状 |
1.2.1 无人机应用研究现状 |
1.2.2 三维建模技术研究现状 |
1.2.3 倾斜摄影三维建模技术研究现状 |
1.3 论文的研究内容 |
1.4 论文的结构安排 |
第2章 无人机倾斜摄影及三维建模技术 |
2.1 倾斜摄影测量特点 |
2.1.1 倾斜摄影测量原理及影像特点 |
2.1.2 多旋翼无人机倾斜摄影测量的特点 |
2.1.3 多旋翼单镜头无人机倾斜摄影测量的特点 |
2.2 基于倾斜影像的三维建模软件 |
2.3 倾斜摄影测量三维建模技术 |
2.3.1 倾斜摄影测量三维建模技术流程 |
2.3.2 像片控制测量 |
2.3.3 全数字空中三角测量 |
2.3.4 三维模型构建 |
2.4 小结 |
第3章 多旋翼单镜头倾斜影像采集方案设计 |
3.1 硬件设备选型 |
3.1.1 飞行平台选型 |
3.1.2 航摄相机选型 |
3.2 倾斜影像采集流程 |
3.3 多旋翼单镜头倾斜摄影航线规划 |
3.3.1 航线规划一般要求 |
3.3.2 航线规划参数计算原理 |
3.3.3 航摄方案设计 |
3.4 小结 |
第4章 多视影像色彩均衡处理 |
4.1 多视角航空摄影像片色彩均衡难点 |
4.2 面向统计参数的分步分级色彩均衡方法 |
4.2.1 像片统计参数及其作用 |
4.2.2 像片分步色彩处理 |
4.2.3 基于统计参数的分级色彩处理 |
4.3 色彩均衡批处理 |
4.4 小结 |
第5章 单镜头倾斜摄影三维建模及精度分析 |
5.1 实验数据 |
5.1.1 实验区介绍 |
5.1.2 航摄数据情况 |
5.1.3 像控点布设和实测数据情况 |
5.2 建模过程及成果 |
5.3 单镜头与五镜头方案对比 |
5.3.1 飞行平台对比 |
5.3.2 航摄相机对比 |
5.3.3 建模效率及效果对比 |
5.4 单镜头模型精度评定及分析 |
5.4.1 单镜头模型精度评定 |
5.4.2 实验精度分析 |
5.5 小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间取得学术成果 |
四、人工干预下全彩色航片建筑信息的提取(论文参考文献)
- [1]基于遥感技术的建筑抗震因子提取与应用研究[D]. 王建飞. 中国地震局工程力学研究所, 2021(02)
- [2]高分辨率卫星影像分类及变化检测算法研究[D]. 郑志峰. 长安大学, 2020(06)
- [3]基于无人机影像建模的土方监测系统研究[D]. 刘远. 西安科技大学, 2020(01)
- [4]无人机倾斜摄影在露天绿色矿山建设监测与评价中的应用[D]. 王佩佩. 西南大学, 2020(01)
- [5]基于卷积神经网络的建筑物提取研究[D]. 胡译文. 武汉轻工大学, 2020(06)
- [6]基于空间光谱信息协同的城市不透水层提取及热环境研究[D]. 范佳辉. 南京林业大学, 2020(01)
- [7]基于影像对象与多特征融合的无人机影像建筑物提取技术研究[D]. 张湘宇. 昆明理工大学, 2020(04)
- [8]基于立体影像和机载LiDAR数据的地理国情地表覆盖信息提取技术研究[D]. 李小飞. 长安大学, 2020(06)
- [9]黑方台农作物分区种植对地下水分布特征及滑坡灾害影响的研究[D]. 郭鹏. 成都理工大学, 2019(02)
- [10]基于多旋翼单镜头无人机倾斜摄影三维建模及精度分析[D]. 徐莉萍. 成都理工大学, 2018(02)