当前位置: > 硕士毕业论文 > 52000字硕士毕业论文基于证据理论的无人机探测技术图像处理研究

52000字硕士毕业论文基于证据理论的无人机探测技术图像处理研究

论文类型:硕士毕业论文
论文字数:52000字
论点:遥感,图像,无人机
论文概述:

鉴于无人机机械及相应控制技术在国内外已得到广泛的发展,其相应配套的图像处理技术及目标识别技术口渐成熟,本文写作目的即在于将原始的遥感图像信息进行一定程度上的精简与筛选,在

论文正文:

第一章导言

1.1主题意义和背景

无人机(UAV)早期主要用于军事领域。无人机的出现使交战各方能够在瞬息万变的现代战争中实时了解战场情况,从而为后期军事行动的部署提供便利。其技术的发展同时也扩大了民用无人机空的应用,从而将无人机与环境测绘相结合,开发了一种新的遥感测绘方法。因此,无人机遥感图像处理技术的研究可以有效地将现有的图像处理和模式识别技术结合起来,从而提高该理论在该领域的应用水平。
近年来,无人机在地理资源探测和自然灾害救援任务中逐渐发展成为一种新型的无人机遥感平台。与卫星遥感测量和航空摄影遥感测量相比,无人机遥感测量具有实时性高、成本相对较低、机动性好、抗干扰性能好、对气候条件要求较低、遥感数据质量较高的优点。无人机收集遥感数据能够满足建立遥感探测系统所需的信息质量要求。
研究人员一直关注遥感图像中地理环境的处理和识别。相关的遥感图像处理和地理信息系统集成软件逐渐出现,如美国Esri公司的地理信息系统软件ArcGIS,提供地理信息数据的查询、浏览、处理、编辑和分析等多种服务。然而,这种系统软件的功能设置更倾向于后期制作地图,实时地理信息采集和分析的服务功能较少。自然灾害救援的首要任务是了解地质灾害的程度和性质,以便更有效地部署救援后行动。地质灾害发生后,受灾地区的通信和交通基础设施普遍瘫痪。2008年5月12日,四川省汉川市发生了一场异常严重的地质活动灾害。然而,直到5月13日,外界才通过救援直升机获得地震灾区的损害,并制定了救援计划。5月14日,中国科学院遥感应用研究所(Institute of Remote Sensing Applications)的一个应急救援小组抵达受灾地区,并派出无人机遥感小组在汉川地区进行遥感探测。救援行动指挥部通过无人机探测到的灾区信息,及时了解该地区建筑物和道路的情况,并指挥应急救援道路将救援部队运送到地震灾区。在救援行动中,它无法满足救援任务的需要,因为它空投掷了紧急救援物资和人员。因此,更有必要快速了解灾区路面损坏、断裂和掩埋的具体信息,及时恢复地面通行能力,以便更好地救助灾区公民和财产,更快地重建受灾城市。如何利用现有的图像处理和模式识别技术进一步完善无人机遥感平台,开发和应用新的理论和技术来发展无人机遥感图像中的图像信息处理是本文的主要研究课题。

1.2国内外研究现状

遥感是利用非接触式探测器远程观测物体特征、外观、形态等特性的技术手段。它主要应用于测绘、地理信息、电力和生态领域。早期地理信息遥感图像的获取依赖于卫星拍摄和航空空拍摄,后期图像信息的提取、识别和分析基本上依赖于人工操作。近年来,随着对图像目标提取和识别技术方向研究的深入,其应用领域逐渐扩展到遥感图像处理。自适应滤波技术应用于遥感图像降噪、参数调整和目标检测。小波变换用于遥感图像的压缩和融合,核函数用于改进光谱遥感信息的分类。因此,现代图像处理和模式识别技术在道路识别在遥感图像中的应用中发挥了重要作用。

1.2.1遥感图像预处理

图像预处理
在使用图像传感器的过程中,由于大气分层干扰等外部因素,空空气尘埃等气象因素,以及传感器放大、镜头处理过程中引入气泡等成像传感器内部因素。所获得的图像数据经常被不确定的干扰叠加。也就是说,获得的图像数据携带噪声。因为噪声会改变原始图像数据并影响图像中对象的后续识别,所以在操作图像时必须首先对图像去噪声。因此,在本文实现图像的后期分类和识别之前,进行包括数字图像去噪在内的预处理步骤具有重要的现实意义。

第二章基于形态学运算.........14-36
2.1导言.........14-17
2.2遥感数字图像空 17-23
2.2.1图像噪声.........18-20
2.2.2空域间图像.........20-23
2.3遥感数字图像形态学.........23-29
2.3.1基本形态学.........23-25
2.3.2灰度图像形态学.........25-29
2.4无人机灰度图像预处理.........29-36
2.4.1颜色空简介.........29-31
2.4.2无人机图像预处理.........31-36
第三章基于证据理论的图像融合.........36-51
3.1证据理论.........36-44
3.1.1证据理论导论.........36-38[/ Br/] 3.1.2存在证据冲突情况.........38-39
3.1.3冲突证据条件.........39-44
3.2图像像素证据分配.........44-50
3.2.1像素点的聚类分析.........45-48
3.2.2像素点的基本概率.........48-50
3.3数据融合过程第5章的总结和展望.........50-51
第4章图像融合示例.........51-57
基于改进的证据理论.........57-58

总结与展望
鉴于无人机机械及相应控制技术在国内外的广泛发展,相应的匹配图像处理技术和目标识别技术正在逐步成熟。本文的目的是在一定程度上简化和筛选原始遥感影像信息,在像素层面上取得更有效的结果,使人们在后期能够全面、快速、准确地了解该地区的地理信息。像素级图像信息通常是特征级和策略级后期分析的基础。因此,基于这一目的,本文提出了一种基于改进证据理论的数据融合算法。基于图像形态学,对像素灰度值中包含的冗余和不确定数据进行合成、分析和推导,最终实现区域目标的可视化描述。
本文的主要成果如下:
结合较为成熟的灰度形态学运算,提出了一种新的图像预处理技术,可以在简化相应图像细节的同时对区域图像进行去噪。这种方式提供了相应的信息数据,不同的强调高和低像素灰度值。

参考
[1]周德运。军事无人机的发展趋势[。电光与控制。2003年,10(1):9-13。
[2]高娇娇。高精度无人机遥感在[地质灾害调查中的应用研究。北京交通大学硕士学位论文。2010.
[3]龚建华。赵钟鸣。四川汉川地震应急无人机遥感信息的获取与应用[[]。城市发展研究。2008年,3(15):31-32,42。
[4]李玮,袁运能,朱伯勤。自适应方法在遥感图像处理中的应用研究[。遥感信息。2006年,1: 17-20。[/比尔/] [5]布鲁日松。弗里托。多时相遥感图像中无监督变化检测的自适应、半护理和基于上下文的方法。图像FR O Cess。2002年,11 (4): 452-466。[/比尔/] 刘伟强,胡静,暗影之子。基于核空[的多光谱遥感图像分类方法]。土地和资源遥感。2002年,9 (3): 44-47,57。[/比尔/] [8]拉斐尔·冈萨雷斯,理查德·伍兹。阮邱琦,阮于之译。数字图像处理(第一版)[。北京:电力工业出版社,2009.88-91。
[9]张学铨、顾晓东、孙耀先。基于自适应空域滤波的图像去块算法[。计算机工程。2009年,35 (4) :218-220。
[10]费裴炎,郭宝龙。单小波去噪方法在多小波去噪中的应用[。信号处理。2004年,20 (6): 65.8-661,645武文斌周建华土壤交易所。小波分析在遥感图像处理中的应用[。遥感信息。2009年,1:93-99。

[6]