基于无人机遥感影像的水体提取方法

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞,实现水体提取. 实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.     

基于新媒体专业“无人机影像”课程的教学思考

无人机影像是近年来影像技术发展中出现的一种具有大众性观赏角度的独特视角影像。对于当前新媒体专业大学生来说,“无人机影像”课程是专业课程学习中的必修部分。文章从无人机影像发展及其现状进行了概述,分析和归纳了目前有关高校教育中无人机影像教学方面存在的问题,提出了做好无人机影像教学的理论与实践相结合、知识与技能相结合以及审美与创作相结合三个方面课程改革思路,为高校“无人机影像”课程教学改革提供有益的借鉴。     

基于SIFT算法的无人机航空遥感影像匹配

当前,无人机遥感技术在各行各业中的应用越来越广泛。但是,无人机航空遥感影像的获取一直存在像幅小、数量多、重叠度变化大等问题,对此必须采用合适的算法,取得准确的图像。本文主要基于SIFT算法对无人机航空遥感影像的匹配做了具体探讨。     

无人机地震遥感影像的快速拼接方法研究

近年来,无人机遥感影像可广泛应用于防灾减灾、搜索营救、国土资源监测、森林防火等领域,但目前无人机影像快速处理软件存在耗时长、自动化水平低等问题。本文基于SIFT（Scale Invariant Feature Transform）特征点提取方法提取高分辨率地震应急无人机影像尺度不变特征点,然后利用k-d树（k-dimensional树）对特征点建立索引,并利用RANSAC方法排除误匹配特征点,计算准确的单应性矩阵并运用图像融合技术得到图像拼接结果。在此基础上,与现有拼接软件相比较,探究其优劣之处。     

一种改进的无人机序列影像快速拼接方法研究

为了实现无人机序列影像无缝拼接,根据无人机序列影像的航带排布特性,提出用分块阈值自适应调节法改进了SURF算法。探讨了应用改进SURF算法对无人机序列影像进行快速拼接的步骤,并通过实验对该拼接方法进行验证。     

一种基于光流的无人机序列影像背景运动补偿方法

针对无人机序列影像,采用一种鲁棒的变分光流模型求解无人机序列影像光流场,该模型采用亮度守恒和梯度守恒结合的数据项,平滑项则采用二阶的Laplacian算子约束项,结合多分辨率影像技术,采用由粗到精的策略进行优化。利用光流场估计的影像运动信息对无人机序列影像进行背景运动补偿。实验结果表明,该光流模型获得的光流场能够准确的估计出无人机序列影像背景的运动,并取得了较好的背景运动补偿效果。     

一种基于无人机影像的迭代二值化 道路裂缝检测方法

道路裂缝是评价路面性能指数的一项重要指标,目前常用的检测方法有人工检测法和道路信息检测车检测法,这2种方法作业危险系数大、成本高,而消费级无人机在获取道路裂缝信息方面有着巨大的优势。本文针对现有道路裂缝检测方法存在训练样本大、试验周期长等不足,提出了一种基于无人机影像检测道路裂缝的方法。在对影像进行加权平均灰度化、直方图均衡化、中值滤波去噪等操作后,使用迭代二值化方法获得清晰的二值化影像,并采用积分投影的方式识别裂缝位置加以标记。结果表明,采用迭代二值化路面裂缝检测方法比直接采用基于灰度值特征对原始数据和去噪后数据进行检测效果有显著提升。在迭代次数为15次时,该方法对路面裂缝的识别正确率可达86.6%,误判率为13.4%,并且在复杂场景下有较高鲁棒性,提高了道路裂缝检测效率。     

基于简化SIFT算法的无人机影像重叠度分析

利用无人机进行低空摄影获取地面高分辨率影像,具有成本低、方便、快捷等优点,但由于无人机飞行姿态不稳定,会导致影像自动匹配效率及准确程度降低.SIFT算子具有良好的尺度、旋转、光照等不变特性,但传统SIFT算法复杂度较高,处理影像时间较长,使数据处理工作效率降低.介绍了一种简化的SIFT算法,并与原SIFT算法做出了对比.说明了影像重叠度分析的主要步骤,将简化的SIFT算法RANSAC算法相结合应用到序列影像重叠度分析中,通过实验证明了可行性.     

基于无人机多光谱和SOLO模型的防护林枯树提取方法

针对三北防护林树种混交比例低、灌水不足、空间分布不均匀、病虫害时发造成的防护林衰退问题,提出了一种小样本下基于无人机多光谱波段生成的SOLO(segmenting objects by locations)实例分割提取枯树的方法. 通过无人机搭载Micro MCA12 Snap多光谱相机获取高空间分辨率影像,将多光谱可见光波段(波段5、波段3、波段1)导出并标注样本,基于最佳指数因子选出排名前10的波段组合进行数据集的扩充,最后基于实例分割SOLO模型进行防护林枯树的提取. 实验结果表明,加入健康树样本,基于ResNet-101+FPN的SOLO模型AP从61.3%提升到63.8%,ResNet-50+FPN组合AP从60.7%提升到63.6%,同时进一步验证了这种样本增强方式的有效性.     

基于遥感影像的土地利用信息的自动提取与制图

利用遥感图像快速、准确地提取土地利用信息是土地利用动态监测的重要手段,也是各级政府及时查处违法用地和对土地利用进行及时调控的重要依据．本文以丹江口水库上游库区的TM卫星数据为例,首先利用遥感图像处理软件（ERDASIMAGINE）中监督分类的方法对该区遥感数据进行分类,然后利用该区域的DEM、坡度图、归一化植被指数作为辅助手段进行空间分析,快速提取该区域的土地利用信息,提高了信息提取的速度及精度;最后利用MAPGIS软件对提取的土地信息以土地利用专题图的形式输出．     

基于无人机影像匹配点云的土石方量计算

针对传统土石方量测量中存在受地形限制、耗时费力、成本高等问题,提出一种基于无人机影像匹配点云的土石方量计算方法。使用单镜头多旋翼无人机获取玉林市某矿山区域范围内正射影像与倾斜影像,借助Pix4Dmapper软件对无人机影像进行处理与分析,提取矿山地表三维点云数据;利用布料模拟点云滤波算法对所获取的点云数据进行滤波处理,进而分离非地面点与地面点;同时利用局部多项式插值算法对地面点云缺失区域进行插值拟合,生成更加准确的地形特征;利用EPS软件对点云成果进行分析,计算矿山现状开采范围内的土石方量值。结果表明：基于无人机影像匹配点云的土方量计算所得结果与GNSS-RTK实测结果差值比为1.9%,计算方法具有可行性与可靠性,可作为土石方量计算新方法。     

基于MATLAB/GUI的无人机遥感图像分类系统设计

为了提高无人机遥感图像分类技术在复杂地形中的勘察效率,设计了一种基于MATLAB/GUI的无人机遥感图像分类系统,实现了图像分类的可视化操作。采用K-Means聚类与Otsu阈值分割相结合的方法对无人机遥感图像进行分割与分类处理,并对初分割结果进行边缘检测、噪声滤波和形态学优化等图像处理,精确提取各类地物边界,提高图像分类精度;对分类处理后的结果进行矢量化输出,提高了本系统与其他软件的交互性;根据航拍高度、镜头焦距和传感器尺寸等信息,可计算每一类地物的实际面积,实现区域面积大小的快速统计,促进了无人机遥感技术在公路地质选线中的应用。     

结合SIFT和Harris算法的小型无人机影像拼接方法

考虑到小型无人机影像的成像过程具有视点离散、视角变化有规律等特点,选择拼接参考基准影像,利用无人机的GPS/IMU参数信息计算图像相交区域来减小图像匹配范围;综合利用Harris特征点提取算法和SIFT特征向量计算方法,进行特征点的提取和特征向量的计算,并用PCA算法进行降维处理;在特征匹配过程中,采用最临近(NN)方法和BBF算法提高匹配速度,应用PROSAC特征点提纯和仿射变换整体平差算法提高匹配的精度;最后利用光度对准和加权平均算法进行光度差异消除,实现了无人机影像的拼接。实验结果表明了文章中的图像拼接方法在准确性、效率方面具有优势。     

无人机影像单目标跟踪综述

随着无人机产业的发展,航拍影像数据急剧增多,航拍影像的智能化分析与处理已成为新的研究热点.目标跟踪作为其中的核心技术之一,可为后续影像内容解译及各种实际应用提供基础性的支撑.受到应用场景复杂、目标尺度复杂多变、姿态变化剧烈、相似目标干扰等各种复杂因素的影响,无人机影像目标跟踪面临着诸多的技术挑战.因此,总结了近年来无人机影像单目标跟踪技术的研究进展,包括基于相关滤波的目标跟踪方法、基于深度学习的目标跟踪方法、基于相关滤波与深度学习结合的目标跟踪方法等,介绍了无人机影像公开数据集,以及跟踪性能的评价指标,并对典型的单目标跟踪方法进行了性能评测与分析.最后,对未来无人机影像目标跟踪技术的发展态势进行了总结与展望.     

植被覆盖度的提取方法研究综述

常用的植被覆盖度估算方法有地表实测和遥感监测两种,分析其特点及适用范围,得出如下结论:地表实测法由于人力、物力等诸多因素的制约,不适合在较大范围内作为唯一的测量方法推广,但可以对遥感监测精度评价和验证提供基础数据。回归模型法小范围内有较高精度,但对实测数据的依赖性较强。植被指数法与像元分解法,由于不受实测数据的制约,目前使用比较广泛,但在实际应用中,仍应根据地表情况,与其他方法综合使用,以便提高植被覆盖度提取精度。     

基于均匀特征匹配的无人机影像拼接

通过特征匹配的方法进行无人机影像拼接,不需要地面控制点坐标和内外方位元素.基于SIFT算法进行特征匹配,对于匹配中容易出现的误匹配点,通过合理控制算法中的阈值大小并采用唯一性约束和视差约束来进行剔除,采用分块控制匹配点数目来剔除密集匹配点对,使匹配点对分布均匀.使用RANSAC算法来计算影像之间的转换模型,实验证明这种方法具有很好的拼接效果.     

基于SIFT特征的无人机遥感影像拼接技术研究

无人机遥感是一种新的遥感手段,具有快速、灵活、低成本、高影像分辨率等特点。无人机技术已经被广泛应用于资源勘测、气象观测及处理突发事件等领域中,成为未来航空器的发展方向之一。由于无人机采用的非量测相机且飞行高度较低、平台不稳定等特点,图像具有相幅小、数量多、航带不规则等特点,为了得到该地区的全景图像,图像拼接成为解决该问题的关键技术。基于SIFT特征的无人机遥感影像拼接技术相对别的遥感影像拼接技术有它的优势和特点,本文主要介绍了SIFI算法和基于此算法的遥感影像拼接技术。     

长春市植被覆盖度变化动态遥感监测分析

本文选用归一化植被指数NDVI估算植被覆盖度的模型进行.以长春市为例,获取该区2005年和2011年的Landsat TM影像,对两期的植被覆盖度进行了估算.在此基础上,对这两期的植被覆盖度变化情况进行分析.结果表明:6年来该区植被覆盖度总体呈上升趋势.随着社会进步,特别是城镇建设的发展,人类活动对生态环境的作用愈加明显,其协调发展显得至关重要.     

基于纹理特征的遥感影像居民地自动提取方法

基于纹理特征提取居民地信息的纹理分析方法有四类,即基于统计特征的、基于空间频率的、基于结构的、基于模型的分析法。基于纹理特征的遥感影像居民地信息自动提取方法的发展趋势是将纹理分析方法与新的算法及其他提取方式相结合,并建立居民地信息提取专家系统。