无人机航空遥感图像拼接技术研究 pdf epub mobi txt 电子书 下载 在线阅读 2026

编辑推荐

　　（1）根据无人机遥感图像成像的内、外方位元素，采用直角空间变换及二次线性插补方法，实现了遥感图像校正。
　　（2）提出一种分布存储环境下的并行几何校正算法，每个处理器通过计算本地输入子图像在目标图像中的范围，确定其需要进行重采样计算的区域，使计算过程中所需的数据均为本地数据，很好地解决了数据局部性问题。
　　（3）基于图像数据总体分布的统计，分析了飞行试验图像的成像质量。基于人眼亮度视觉特性曲线，结合小波变换和Curvelet变换特点，提出一种新的图像增强方法，实现了无人机遥感序列图像的自适应增强处理。
　　（4）提出结合小波变换和Canny算法的边缘提取算法，该算法将Canny算法的非极大值抑制、双阈值算法与小波变换多尺度分析思想相结合，利用Canny算法在高分辨率图像的精确定位性与小波变换后的低分辨率图像的抗噪声能力相结合，从而消除噪声的干扰，提取更加完整的边缘。
　　（5）将图像匹配分为粗匹配和精匹配两个步骤。在粗匹配计算中，首先确定待拼接的两幅图像之间的大致重叠区域，然后利用小波变换与Canny算法提取图像边缘，最后采用区域匹配法求得两幅图像的匹配点。
　　（6）基于人眼的颜色视觉特性分析，本书提出了一种具有抗亮度干扰能力的彩色图像色差度量方法。
　　（7）目标的特征描述是跟踪算法中的重要步骤，直接影响最终的跟踪效果，决定整个跟踪系统的性能。
　　（8）传统的离线分类器需要人为标记大量的样本训练分类器，当待测样本与训练样本具有较大差异时，无法及时适应目标的外观变化，且难以推广到其他目标类型，分类器应用具有局限性。

内容简介

　　无人机航空遥感系统具有图像分辨率高、图像实时传输、适合高危地区作业、成本低、机动灵活等优点，适用于低空高分辨率遥感数据的实时获取，在区域性、工程性、灾害性和军事性的遥感监测中发挥着大型遥感系统难以替代的作用。无人机执行遥感监测任务时，需要实时传输其所获取的图像以及状态数据，这就要求无人机航空遥感系统具备自动、高速地完成图像的获取、压缩、传输、处理、显示以及存储等功能。其中，确保遥感图像处理的精准性、实时性与可视性是无人机得以有效利用的重要前提条件。由于现有成像设备的性能所限，目前的航空遥感成像系统无法获得大面积、高分辨率的观测图像，因此需要将获取的序列遥感图像进行在线动态拼接，以提高遥感图像的信息获取能力。本书结合无人机航空遥感具体的应用需求，针对航空遥感图像拼接技术中的几项关键技术进行了研究和探讨。内容包括：图像几何畸变校正、灰度序列遥感图像拼接、颜色空间与颜色相似性度量、彩色遥感图像拼接、图像特征提取方法、SVM机器学习算法、可变形模板的多目标跟踪模型等。
　　本书可供信息科学、遥感科学和数理科学的科研人员和工程技术人员阅读，还可以作为计算机科学与技术、自动化、电子工程、遥感技术等专业的研究生和高年级本科生的教学参考书。

内页插图

目录

第1章 绪论 1
1.1 无人机 2
1.2 无人机航空遥感系统 4
1.3 遥感图像拼接技术 7
1.3.1 图像匹配技术 8
1.3.2 图像融合技术 12
第2章 遥感图像的基础理论及相关知识 17
2.1 遥感图像几何畸变校正 18
2.1.1 坐标系统 19
2.1.2 影像的内外方位元素 20
2.1.3 空间直角坐标系的旋转变换 21
2.1.4 共线方程 22
2.1.5 灰度重采样 24
2.2 遥感图像并行几何校正算法 25
2.2.1 并行几何校正算法 26
2.2.2 并行几何校正算法的实验结果与分析 31
2.3 遥感图像对比度增强 34
2.3.1 直方图修正法 34
2.3.2 直接灰度变换法 36
2.3.3 Wavelet与Curvelet变换相结合的图像增强方法 39
2.4 实验结果与分析 43
2.5 结论 45
第3章 灰度序列遥感图像拼接 47
3.1 图像边缘检测 48
3.1.1 微分算子法 49
3.1.2 Canny算法 49
3.1.3 数学形态学在边缘检测中的应用 50
3.1.4 基于小波变换的边缘检测方法 51
3.2 小波变换与Canny算法相结合的边缘检测方法 52
3.2.1 小波基选择 54
3.2.2 自适应确定双阈值 55
3.3 图像匹配 57
3.3.1 匹配搜索区域计算 57
3.3.2 特征模板提取 59
3.3.3 匹配计算 59
3.4 图像融合 62
3.4.1 失真程度 68
3.4.2 能量总和 69
3.4.3 能量最小化 71
3.5 实验结果与分析 75
3.6 结论 77
第4章 颜色空间与颜色相似性度量 79
4.1 颜色空间分析 80
4.1.1 面向设备的颜色空间 80
4.1.2 面向视觉感知的颜色空间 83
4.1.3 均匀颜色空间 87
4.1.4 色差度量 90
4.2 颜色相似性度量 91
4.2.1 RGB与HSI颜色空间变换的特征 92
4.2.2 颜色相似系数 93
4.3 实验结果与分析 95
4.4 结论 96
第5章 彩色遥感图像拼接 99
5.1 颜色空间变换 100
5.2 色差计算 101
5.3 彩色图像匹配 102
5.3.1 特征模板提取 102
5.3.2 匹配搜索策略 104
5.4 彩色图像平滑 104
5.4.1 伽马校正方法 105
5.4.2 亮度变换函数 106
5.4.3 平滑计算 106
5.5 实验结果与分析 107
5.6 结论 110
第6章 图像特征提取 111
6.1 图像特征 112
6.1.1 LBP特征 112
6.1.2 Haar-like特征 115
6.1.3 SIFT特征 117
6.1.4 HOG特征 119
6.2 HOG特征的提取方法 120
6.2.1 图像梯度计算 120
6.2.2 空间以及方向上的梯度统计 121
6.2.3 块内梯度直方图的归一化 122
6.2.4 最终HOG特征向量的生成 123
6.3 HOG特征的目标描述 124
6.4 实验结果与分析 125
第7章 SVM机器学习算法 129
7.1 支持向量机(SVM)的原理 130
7.2 SVM分类器的数学模型 130
7.2.1 线性可分情况下的SVM模型 130
7.2.2 线性不可分情况下的SVM模型 134
7.2.3 非线性可分情况下的SVM模型 135
7.3 SVM分类器设计 136
7.4 HOG和SVM的目标外观模型 137
7.4.1 目标外观模型的建立 137
7.4.2 SVM分类器的训练 138
第8章 可变形模板的多目标跟踪模型 141
8.1 可变形模板 142
8.2 图结构模型 142
8.2.1 图的基本概念 144
8.2.2 表示图像结构特征的图 145
8.3 构造最小生成树 146
8.4 建立目标跟踪模型 147
第9章 SVM在线学习的模型参数更新 151
9.1 在线学习的跟踪算法 152
9.2 SVM在线学习的跟踪框架 152
9.3 结构化的SVM学习 154
9.3.1 结构化的SVM 154
9.3.2 结构化学习 155
9.4 实验结果与分析 157
第10章 总结与展望 163
10.1 工作总结 164
10.2 未来工作的展望 165
参考文献 167

前言/序言

　　无人机航空遥感系统具有图像分辨率高、图像实时传输、适合高危地区作业、成本低、机动灵活等优点，适用于低空高分辨率遥感数据的实时获取，在区域性、工程性、灾害性和军事性的遥感监测中发挥着大型遥感系统难以替代的作用。无人机执行遥感监测任务时，需要实时传输其所获取的图像以及状态数据，这就要求无人机航空遥感系统具备自动、高速地完成图像的获取、压缩、传输、处理、显示以及存储等功能。其中，确保遥感图像处理的精准性、实时性与可视性是无人机得以有效利用的重要前提条件。由于现有成像设备的性能所限，目前的航空遥感成像系统无法获得大面积、高分辨率的观测图像，因此需要将获取的序列遥感图像进行在线动态拼接，以提高遥感图像的信息获取能力。
　　结合无人机航空遥感具体的应用需求，本书针对航空遥感图像拼接技术进行了以下研究工作。
　　(1)根据无人机遥感图像成像的内、外方位元素，采用直角空间变换及二次线性插补方法，实现了遥感图像校正。根据获取的无人机飞行状态参数，实现了连续两幅无人机航空遥感快视图像之间重叠区域的图像范围计算。
　　(2)提出一种分布存储环境下的并行几何校正算法，每个处理器通过计算本地输入子图像在目标图像中的范围，确定其需要进行重采样计算的区域，使计算过程中所需的数据均为本地数据，很好地解决了数据局部性问题。利用首尾相连的闭线段近似表示理想的输出图像块边界，详细讨论了局部输出区域的计算方法，并采用一种新的存储结构用于保存校正后的输出图像块信息。
　　(3)基于图像数据总体分布的统计，分析了飞行试验图像的成像质量。基于人眼亮度视觉特性曲线，结合小波变换和Curvelet变换特点，提出一种新的图像增强方法，实现了无人机遥感序列图像的自适应增强处理。
　　(4)提出结合小波变换和Canny算法的边缘提取算法，该算法将Canny算法的非极大值抑制、双阈值算法与小波变换多尺度分析思想相结合，利用Canny算法在高分辨率图像的精确定位性与小波变换后的低分辨率图像的抗噪声能力相结合，从而消除噪声的干扰，提取更加完整的边缘。
　　(5)将图像匹配分为粗匹配和精匹配两个步骤。在粗匹配计算中，首先确定待拼接的两幅图像之间的大致重叠区域，然后利用小波变换与Canny算法提取图像边缘，最后采用区域匹配法求得两幅图像的匹配点。在精匹配计算中，首先确定更小的搜索区域，然后利用最小二乘法计算得到待拼接图像之间的最佳相对位置关系，最后根据匹配结果，实现两幅图像的拼接。
　　(6)基于人眼的颜色视觉特性分析，本书提出了一种具有抗亮度干扰能力的彩色图像色差度量方法。利用颜色相似性分析，并引入协方差矩阵计算，给出了彩色图像特征模板的提取方法。利用最小二乘法，建立了两幅彩色图像之间的亮度变换函数曲线，实现了基于基准图像亮度分布的伽马校正。
　　(7)目标的特征描述是跟踪算法中的重要步骤，直接影响最终的跟踪效果，决定整个跟踪系统的性能。基于分类学习的目标跟踪一般不选择较直观的整体特征，而偏向由基本特征进行局部特征统计，使特征描述子更易于区分且计算量较小。选择目前成功应用于目标检测的HOG特征作为目标特征。
　　(8)传统的离线分类器需要人为标记大量的样本训练分类器，当待测样本与训练样本具有较大差异时，无法及时适应目标的外观变化，且难以推广到其他目标类型，分类器应用具有局限性。基于检测的跟踪算法，在跟踪过程中，跟踪器根据上一帧的跟踪结果信息在线更新分类器，然后再对当前帧检测，以获取当前运动目标的准确预测位置，有效抑制跟踪漂移。首先构造目标的外观模型。在初始帧中随机选择大量含目标区域以及含背景区域等的大图像块，分别提取HOG特征，标记为正负样本，然后将这些样本特征集合作为训练样本输入SVM分类器，即可训练得到目标准确的参数化外观模型。由于HOG特征具有几何不变的特性，经过SVM训练后得到的目标外观模型将更加准确。对文中所提出的遥感图像处理算法，实现了仿真程序设计，验证了算法的可行性，完成无人机航空遥感图像动态拼接软件的设计工作。
　　全书共分10章，第1章对无人机及遥感系统做了简单的介绍，针对遥感技术中的图像匹配和融合，给予综述性的论述；第2章研究拼接处理前的畸变校正以及去噪增强等图像预处理工作；第3章研究基于图像大边缘提取的图像拼接技术；第4章研究颜色空间和颜色相似性的度量关系，为基于像素颜色的相似性匹配计算提供理论基础；第5章讨论彩色图像拼接；第6章研究目标检测中一些常用的图像特征，详细描述了HOG特征的提取方法；第7章研究支持向量机(SVM)算法的原理，详细描述了基于HOG和SVM的目标外观模型的构建；第8章研究并提出了基于最小生成树模型的目标模型，详细描述了跟踪模型的构建过程，并将这种跟踪算法应用到多目标跟踪视频中；第9章研究一个在线的、结构化的SVM(StructuredSVM)框架中学习外观模型参数和目标间的相互关系参数，实时更新所有目标的外观模型和这些目标间的结构约束，使跟踪器能够及时适应目标和环境的变化；第10章总结全文并展望下一步的研究内容。
　　本书第1章至第5章由程远航编写，第6章至第10章由武刚编写。全书由程远航统稿。
　　作者的能力水平和学识有限，本书内容如有不足之处，恳请读者批评指正。
　　作者
　　2016年3月

遥感影像分析与应用：从原理到实践 本书旨在系统介绍遥感影像的分析方法与实际应用，涵盖从基础理论到前沿技术的全过程。我们将深入探讨遥感影像的形成机理、数据获取方式，以及在不同领域内的广泛应用，为读者提供一个全面而深入的认知框架。 第一部分：遥感影像基础理论 本部分将为读者打下坚实的遥感理论基础。我们将从电磁波与遥感的关系入手，详细阐述不同波段的电磁波在地球表面的相互作用，以及这些相互作用如何被遥感传感器捕捉。内容将涵盖： 电磁波谱与遥感：介绍可见光、近红外、热红外、微波等不同波段的特性，以及它们对不同地物的响应规律。 遥感成像原理：深入剖析不同类型遥感器（如可见光相机、多光谱相机、高光谱相机、合成孔径雷达等）的工作原理，解释其成像方式、空间分辨率、光谱分辨率和时间分辨率等关键参数。 大气效应与辐射定标：分析大气对遥感信号的影响，介绍大气校正的方法，以及辐射定标在保证影像准确性中的重要作用。 影像几何畸变与校正：讲解遥感影像中存在的各种几何畸变（如平台姿态、地形起伏等），并详细介绍几何校正的流程和常用算法。 第二部分：遥感影像处理与分析技术 本部分将聚焦于遥感影像的实际处理与分析过程，介绍各种主流的处理工具和算法。我们将带领读者一步步掌握从影像预处理到高级分析的全套技术： 影像预处理：详细讲解影像增强（如对比度拉伸、直方图均衡化）、影像滤波（如平滑滤波、锐化滤波）、影像融合（如全色增强、多光谱融合）等常用预处理技术，以提升影像的可视化效果和后续分析的精度。 影像分类：深入介绍遥感影像分类的原理和方法，包括监督分类（如最大似然法、支持向量机、随机森林）和非监督分类（如K-means、Isodata）等，并探讨不同分类方法的适用场景。 特征提取与目标识别：讲解如何从影像中提取有用的地理空间特征，如纹理特征、形状特征、光谱特征等，并介绍基于这些特征的目标识别技术，例如地物对象识别、建筑物检测等。 变化检测：分析遥感影像变化检测的基本原理，介绍常用的变化检测算法，并展示如何利用变化检测技术监测地表环境的变化，如森林覆盖变化、城市扩张等。 遥感影像指数应用：重点介绍多种常用的遥感影像指数，如归一化植被指数（NDVI）、归一化差异水体指数（NDWI）、建筑指数（NDBI）等，并阐述它们在植被监测、水体提取、城市扩张分析等领域的具体应用。 面向对象影像分析（OBIA）：介绍面向对象影像分析的理念和方法，与基于像素的分析进行对比，并阐述OBIA在复杂地物分类、精细化制图中的优势。 第三部分：遥感影像在不同领域的应用 本部分将通过丰富的案例，展示遥感影像在各个领域的实际应用价值，让读者深刻理解遥感技术如何解决现实世界的问题： 环境保护与可持续发展： 土地覆盖与土地利用监测：如何利用遥感影像监测土地覆盖变化，分析城市扩张、耕地占用、湿地退化等问题，为可持续土地利用规划提供数据支持。 植被健康与产量估算：通过分析植被指数、光谱特征等，评估植被的生长状况，预测农作物产量，为农业生产提供科学指导。 水资源监测与水环境评价：利用遥感影像监测地表水体面积、水体质量，评估水资源分布，分析水体污染，为水资源管理和环境保护提供决策依据。 灾害监测与评估：介绍如何利用遥感影像对洪涝、干旱、火灾、地震等自然灾害进行快速监测、灾情评估和损失分析，为应急响应和灾后重建提供支持。 城市规划与智慧城市建设： 城市建成区提取与扩张分析：如何利用遥感影像精确提取城市建成区，分析城市扩张的时空动态，为城市规划和管理提供依据。 城市热岛效应监测：通过热红外遥感影像分析城市地表温度分布，识别热岛效应区域，为城市降温和改善人居环境提供科学建议。 城市基础设施监测：利用高分辨率遥感影像监测道路、桥梁、绿地等城市基础设施的分布和状态，为城市精细化管理提供支持。 地质与矿产资源勘探： 矿产资源预测与勘探：介绍遥感影像在识别异常地质构造、指示矿化信息方面的应用，辅助矿产资源的预测与勘探。 地质灾害监测与预警：利用遥感影像监测滑坡、崩塌、地面沉降等潜在的地质灾害，为地质灾害的预防和预警提供信息。 海洋与海岸带资源开发利用： 海岸带环境监测：利用遥感影像监测海岸线变化、海洋污染、红潮等，为海岸带资源管理和环境保护提供数据。 海洋渔业资源调查：介绍遥感影像在海洋初级生产力评估、鱼群聚集区识别方面的应用，为渔业资源管理提供支持。 国防安全与测绘： 军事目标识别与态势感知：介绍高分辨率遥感影像在军事目标识别、战场态势感知方面的应用。 地形测绘与地图更新：利用遥感影像进行地形测绘，更新地图信息，为地理空间信息服务提供基础数据。 第四部分：前沿技术与发展趋势 本部分将展望遥感影像分析的未来发展方向，介绍当前热门的前沿技术： 深度学习在遥感影像分析中的应用：详细介绍卷积神经网络（CNN）、循环神经网络（RNN）等深度学习模型在影像分类、目标检测、语义分割等任务中的最新进展和应用案例。 高光谱遥感影像处理：探讨高光谱影像的光谱分辨率优势，以及在高光谱影像解混、分类、目标识别等方面的关键技术。 遥感大数据与云计算：分析海量遥感数据带来的挑战与机遇，介绍云计算、大数据技术如何赋能遥感影像的处理与分析。 时序遥感影像分析：探讨如何利用多时相遥感影像进行地物动态监测、变化趋势分析，揭示地表过程的时空演变规律。 多源遥感影像融合：介绍不同传感器、不同类型遥感影像（如光学、雷达、激光雷达）的融合技术，以获取更全面、更精细的空间信息。 本书力求语言通俗易懂，理论讲解深入浅出，并辅以丰富的图例和实际案例，帮助读者在掌握遥感影像分析的核心技术的同时，也能够将其有效地应用于实际工作中，解决各种现实问题。无论是遥感领域的初学者，还是希望深化研究的专业人士，本书都将是您不可或缺的参考指南。