一、基于TIN分块的数字影象自适应几何纠正方法（论文文献综述）
张荣庭[1]（2019）在《面向FPGA硬件的卫星影像GA-RLS-RFM正射纠正优化算法研究》文中提出卫星影像的正射纠正是制作专题产品的先决条件之一。然而,传统的基于地面处理平台的影像正射纠正方法难以满足对时效性有高要求的应用场景,例如灾害应急救援的快速响应、固定目标的实时监测等。另外,传统的地面控制点（Ground Control Points-GCPs）采集方法通常需要人工干预,而且耗时较长,无法保证卫星影像正射校正的时效性。特别地,在恶劣环境的山地、沙漠或境外的军事敏感区等,GCPs的获取十分困难,甚至不可能。因此,为了能够在少量或无GCPs条件下快速地对卫星影像进行正射纠正,对面向FPGA硬件的卫星影像正射纠正优化算法进行了系统地研究。主要的研究内容如下:（1）在前人研究成果的基础上,利用星历和姿态数据建立了线阵推扫式卫星影像的几何视线模型（Viewing Geometry Model,VGM）。此外,通过流水线结构、数据流串行计算与模块并行计算相结合的设计方法,设计了卫星影像的VGM无控定位算法的FPGA硬件架构。该硬件架构能够使处理速度、计算精度和硬件资源利用率达到平衡。（2）在利用最小二乘（Least Square,LS）求解有理函数模型（Rational Function Model,RFM）参数时,通常需要对大型矩阵进行复杂的乘法和求逆运算。然而,这些复杂的运算不仅会消耗大量的FPGA硬件资源,而且还会影响RFM模型参数的求解速度。为了克服LS求解RFM模型参数算法不利于FPGA硬件实现的缺点,提出了递推最小二乘（Recursive Least Square,RLS）求解RFM模型参数算法,由该算法确定的RFM模型记为RLS-RFM模型。此外,提出了RLS求解RFM模型参数算法的FPGA硬件架构。该硬件架构采用了快速的矩阵乘法并行结构,加快了RFM模型参数的求解速度。（3）由于RLS-RFM模型参数之间存在的相关性会影响纠正精度,因此为了快速获取最佳的RLS-RFM模型结构以及提高影像的正射纠正精度,提出并实现了面向FPGA硬件的GA-RLS-RFM正射纠正优化算法。特别地,所设计的GARLS-RFM正射纠正算法的FPGA硬件架构可在无控制点情况下实现基于RLSRFM模型的卫星影像无控正射纠正。（4）实验结果表明:（i）卫星影像的VGM模型有较高的无控定位精度潜力。（ii）RLS求解RFM模型参数算法能够有效地求解RFM模型参数,并且RLS-RFM模型能够获得与VGM模型相当的纠正精度。（iii）遗传算法能够有效地减少RLSRFM模型参数,并能保持纠正精度不降低,甚至能够提高纠正精度。（iv）FPGA能够得到与PC相当的纠正精度,例如,在利用RLS-RFM模型进行影像的无控正射纠正时,对于SPOT-6（山地）影像和SPOT-6（某机场）影像,FPGA与PC的纠正结果在列方向的最大偏差分别为0.0782像素和0.1026像素,行方向的最大偏差分别为0.1302像素和0.1380像素。（v）在数据处理速度方面,相对于PC,FPGA有明显的优势。
周涛[2]（2019）在《LiDAR数据辅助下的真正射影像制作方法研究》文中进行了进一步梳理传统的正射影像（Digital OrthoPhoto Map,DOM）是基于影像和数字高程模型（Digital Elevation Model,DEM）采用数字微分纠正的方法制作而成的。由于DEM不包含建筑、植被等地物信息,因此生成的DOM在城市区域会出现倾斜、拉花、重影等现象,不能达到理想的效果,真正射影像在此背景下应运而生。真正射影像是基于数字表面模型（Digital Surface Model,DSM）对影像进行数字微分纠正,并对遮挡区域进行检测与补偿得到的。基于DSM制作的真正射影像不仅消除了因地形起伏而产生的投影误差,还将错位的建筑物移到了正确的位置,解决了拼接不自然的问题,对数字三维城市的建设具有重要的意义。LiDAR技术能获取高精度的三维点云数据,为获取高精度DSM提供数据源,但由于其缺乏纹理信息,难以直接判别地物,而航空影像数据具有丰富的纹理信息,因此,本文研究LiDAR数据辅助下的真正射影像制作方法,以解决传统正射影像在城市区域制作不完善的问题。本文以圣保罗州立大学校园及其周边范围为实验区,首先通过LiDAR数据获取的高精度DSM,然后基于DSM对航空影像进行正射纠正及遮挡区域检测与纹理修补,最终得到该区域的真正射影像。本文的主要研究工作和成果如下:（1）LiDAR点云与航空影像配准:通过影像匹配技术获取实验区域的影像密集点云数据,基于优化的迭代最近点匹配（Iterated Closest Points,ICP）算法将LiDAR点云与影像密集匹配点云进行配准,从而使LiDAR点云与密集匹配点云坐标系统一致,减弱或消除航空影像与LiDAR数据之间的坐标偏移。实验结果表明:本文采用的ICP算法不论是效率还是精度都要优于传统的ICP算法。（2）获取DSM:首先利用布料滤波分离了实验区的地面点与非地面点,利用滤波后的地面点构建高精度的DEM,然后根据建筑物与植被在高程纹理上的特征,利用原始的DSM与DEM的高程灰度化影像进行差值运算,得到归一化数字表面模型（Normalized Digital Surface Model,nDSM）,基于Canny算子对其进行边缘检测,获取实验区的建筑物用以构建高精度的数字建筑模型（Digital Building Model,DBM）,最后利用滤波后的地面点与建筑物点云重构DSM。实验结果表明:布料滤波在Ⅰ类误差上体现了较大的优势,且能将Ⅱ类误差控制在较小的范围内,算法简单,参数较少,且精度高;利用Kappa系数验证建筑物的提取精度,Kappa系数为0.8471。（3）真正射影像的制作:首先基于DSM对航空影像进行正射纠正,然后利用基于高度的遮挡检测方法对真正射影像进行遮挡检测,对检测出的遮挡区域利用相邻影像进行纹理的修补后制作完成真正射影像。并通过计算真正射影像的平面位置中误差证明其满足实际生产要求。
杨辉[3]（2019）在《基于自适应三角剖分的DMZ Ⅱ相机影像配准融合技术研究》文中认为随着摄影测量与遥感技术的发展,面阵数字航测相机已成为了当前高效获取航空测绘遥感影像的主要技术手段之一。对于遥感应用中需要同时具有高空间分辨率和高光谱分辨率的影像数据而言,若设计生产一款航测相机来直接获取该影像数据,那么此相机系统必然会存在成本巨大、体积庞大以及使用困难等诸多问题。因此,为了解决以上问题,面阵航测相机基本都采用当前主流的遥感观测技术方法,即全色相机与多光谱相机独立设计、分别成像,以及全色影像和多光谱影像按一定比例分辨率获取。如此就促进了影像配准与融合技术的快速发展,使其成为了当前国内外研究的热点。本文针对DMZ Ⅱ航测相机影像配准与融合技术开展研究。根据DMZ Ⅱ航测相机影像的特点,主要完成了航空多光谱影像配准处理、全色影像与多光谱影像不同尺度配准处理、影像信息融合处理以及融合影像质量评价等研究工作。具体的研究内容有以下几点:1、简单介绍了DMZ相机系统成像原理及其影像特点,阐述了当前影像配准和影像融合技术研究现状。重点介绍了影像配准与融合处理过程中需要用到的基础理论知识,主要包括特征点提取算法原理、相似性测度、空间变换模型、影像微分纠正原理以及经典融合算法原理。2、针对DMZ Ⅱ相机多光谱影像视场大、形变较大的特点,提出了一种基于自适应三角剖分的航空多光谱影像配准方法。以绿波段影像作为基准影像,通过该方法对其他各波段影像进行配准处理,最终配准精度均小于1个像素,达到了亚像素级,能够实现多波段影像重叠部分的完全配准,且配准精度高于三次多项式变换的配准精度。该方法在DMZ Ⅱ相机多光谱影像间的配准处理过程中具有较强的适用性,能够实现航空多光谱影像的高精度配准。3、采用SIFT算法与GPU快速处理技术实现了不同尺度的影像配准处理。全色影像与多光谱影像之间的配准精度基本是在1个像素左右,除近红外波段外,其他三幅影像的配准精度达到了亚像素级,通过分析发现同名点数量过少和分布不均是造成配准精度不高的主要原因。4、基于影像配准处理结果进行了影像融合试验。采用的影像融合算法包括编程实现的PCA变换、比值变换、乘积性变换和HPF四种融合算法以及“面阵相机摄影数据处理系统”中的小波变换和IHS结合小波变换两种融合算法。采用了六种评价指标对融合影像质量进行客观评价,分别为:均值、标准差、平均梯度、空间频率、信息熵以及相关系数。最后通过客观评价与主观评价相结合的方式综合分析可知:在六种融合算法中,乘积性变换融合算法能够获得最好的融合效果。同时,对大面阵航测相机影像进行融合处理时,采用越简单的融合算法获得融合效果也会越好,将能够获得质量良好且同时具有高空间分辨率和多光谱信息的融合影像。
孙钰珊[4]（2018）在《基于参考地理数据的多源国产卫星影像一体化定位方法研究》文中研究表明无需地面控制信息的卫星影像精准对地定位是获取全球地理和资源环境信息,监测全球资源环境变化等的先决条件。在进行高分辨率光学卫星影像的高精度定位时,如果缺少控制点的约束,直接将影像初始RPC参数作为区域网平差参数会造成法方程矩阵的病态不收敛,精度分布的不稳定及误差的过度累积也会导致区域网的扭曲变形。多源高分辨率光学卫星影像的高精度无控制区域网平差为在无地面控制情况下,引入特定约束（距离、角度等）的卫星影像联合区域网平差处理。理论上有控制定位与无控制定位本质的区别在于有控制定位中使用的是外业实测控制点,精度高且一致性好;而大多数无控制定位中使用的是一种虚拟控制点,这些虚拟控制点的精度较低（含有不同程度的系统误差）且精度在测区中是不一致的,所以无控制定位是不等精度控制下的区域网平差定位,其误差传播规律更加复杂,粗差检测与定位难度较大。同时大量试验表明,在不同的点位上系统误差的大小和方向基本保持一致,但在覆盖同一区域的不同时相、较长时间间隔内成像的不同轨道影像中这些系统误差大小和方向是不同的,表现出一定的随机性,甚至可部分相互抵消。针对以上问题,本文在Google Earth影像、Landsat/ETM参考影像、SRTM数字高程数据、国家基础测绘数据等精度己知/精度可验证的参考地理数据的基础上,以我国自主研制的高分辨率光学卫星影像（资源三号、高分系列卫星等）为主要数据源,基于超多核计算机（云服务器）、高性能GPU/CPU集群计算机系统、高速存储传输网络的高性能计算平台,分析和研究不依赖于外业控制信息的高效、高精度、智能化的几何定位方法,实现多源国产卫星影像连接点及参考控制点的自动提取及立体和弱交会混合模式下大范围联合区域网平差处理,可以为快速生成高精度影像底图提供高精度的定向参数。具体研究内容如下:（1）高分辨率光学卫星影像无控制区域网平差方法—GISIBA将有理函数模型（RFM）作为区域网平差的基础方程,以“交替趋近法”和基于RFM的最小二乘平差为基础,提出一种易于并行化、高效的高分辨率光学卫星影像无控制区域网平差方法-GISIBA（GCP-Independent Satellite Imagery Block Adjustment）。一方面解决无控制区域网平差中不收敛导致的“秩亏”问题,改善区域网平差系统的法方程状态从而有利于区域网的稳定和快速收敛;另一方面充分利用覆盖同一成像区域的长时间序列立体卫星影像残余系统误差所表现出的随机性,可以进行完全不依赖于第三方地理空间数据和地面控制点的无控制区域网平差,便于从理论上分析卫星影像无控制区域网平差结果与数据的覆盖次数及时相之间的关系。（2）多源国产高分辨率卫星影像大规模联合区域网平差引入参考地理信息数据作为几何约束,实现立体/单景覆盖影像的超大规模联合区域网平差,并进行粗差自动检测与剔除,完成大规模法方程的解算,获得满足高精度影像产品生产制作需求的高精度的定向参数,有效解决实际生产中遇到的相邻区域平差结果接边等问题。（3）多源国产高分辨率卫星影像连接点及参考控制点高精度自动提取采用基于影像显着边缘的整体匹配策略,实现初始定位异常影像系统误差的快速消除,以基于物方的自适应高精度相关匹配算法（Image-Reshaping过程）为基础,采用由粗到精的多层金字塔逐级影像匹配策略,并在匹配策略中引入定向质量控制,动态改正由地形起伏引起的影像几何畸变,实现影像连接点和参考控制点的自动提取。（4）多核CPU/GPU集群分布式架构下的影像精确定位算法并行计算为保证连接点与参考控制点自动提取及区域网平差的效率,使用基于OMP并行的方式实现以点特征提取和匹配为“并行粒度”的多进程并行化,实现高速局域网络的多核CPU/GPU集群分布式架构下的影像精确定位算法并行计算。最后以已有的分布式并行构架及作者及所在团队研发的高分辨率卫星影像测图软件系统—PixelGrid-GlobalMapping为基础,选择典型实验区,开展资源三号、高分一号等国产高分辨率光学卫星影像大规模区域网平差实验,对本研究方法的平差精度进行分析,验证方法的有效性与普适性。本文提出的方法可以广泛应用于困难地区和境外地区大区域卫星影像高精度无控制几何定位。软件系统在2016、2017全球测图试生产中得到实际应用和改进,为全球地理信息资源建设工程、国产光学卫星影像高精度影像产品生产提供了技术保障。
蔡香玉[5]（2018）在《基于无人机倾斜摄影场景建模的建筑物单体化方法》文中进行了进一步梳理“数字城市”和“智慧城市”的建设已成为城市运行管理的必然,其基础是城市场景三维模型,也是城市三维GIS的主要内容。因此,针对大规模城市场景而言,如何快速、高效地构建其三维模型,是测绘地理信息领域的挑战。当今,快速发展的倾斜摄影测量技术为城市场景模型的构建提供了一种新的技术途径。建筑物是城市场景中最重要的对象,然而倾斜摄影测量技术得到的场景模型是一个整体,能良好地满足视觉上的观感,但不能实现计算机对目标对象的识别、属性的赋予且不利于后期的GIS应用。因此,还需要实现目标的语义分割,尤其是建筑物的单体化建模。目前建筑物单体化建模大多是采用在整体模型上交互描绘、编辑的方法,显然其工作量大、效率低,难以满足大规模城市快速、高效建模的需求。基于上述的问题和挑战,本文以自动生成的三维场景模型为基础,以场景整体三维模型中建筑物模型自动提取与单体化为目标,开展了相关的研究,其主要内容如下:（1）基于影像特征的建筑物提取及其三维模型的粗略分割对场景数字正射影像（DOM）中建筑物的几何、纹理特征进行了详细地分析。在此基础上,提出对建筑物进行粗略定位的方法,对场景DOM进行处理获取并筛选出建筑物的轮廓,然后对建筑物轮廓生成最小规则外包矩形。基于此,获取外包矩形顶点的图像坐标并转换成地理空间坐标,然后将外包矩形作为地理位置的约束区域,对三维场景模型进行初步分割,得到建筑物粗略的单体模型。（2）基于几何特征的建筑物单体模型的净化处理通过对三维场景模型中建筑物模型的整体和局部的几何特征进行分析,提出利用三角面片几何特征筛选保留建筑物三角面片的方法。利用三角面片的法向量表示三角面片的方向,结合参考方向对面片方向进行分类;构建三角面片拓扑邻接关系;利用三角面片的法向量结合面片之间的拓扑关系,设计3种模式由简单到复杂地描述中心三角面片所处区域的粗糙度。基于粗糙度准则、面片类别和面片的高度这3种几何特征对模型三角面片进行筛选,保留符合建筑物特征的三角面片;将保留的三角面片采用邻接面片生长的方法重新构建整体,依据建筑物整体特征筛选保留属于建筑物模型的整体,从而获得比较纯净的建筑物单体模型。（3）建筑物单体模型数据的组织为了便于单体模型数据后期的保存、管理、修复、应用等,采用单个文件表达单个模型的思路,在建筑物模型整体筛选保留后,提出双集合并行索引的方法,对单体模型数据进行准确的调整和组织,实现建筑物单体化模型数据的表达。（4）基于三维场景模型的建筑物单体化建模原型系统的设计开发在实现以上内容的基础上,设计开发基于三维场景模型的建筑物单体化建模原型系统,该系统能完成场景DOM中建筑物轮廓的识别与定位,能完成基于建筑物轮廓的位置信息对三维场景模型进行分割得到建筑物或类似建筑物的粗略模型,能完成依据三维空间中建筑物的几何特征对粗略单体模型进行净化处理得到较为理想的建筑物单体模型,并采用单个文件将建筑物单体模型数据进行组织。
曹彬才[6]（2017）在《遥感测深数据处理方法研究》文中认为浅海水深测量是海洋测绘领域的热点和难点,受限于吃水深度,传统的船载声呐系统在浅海区域效率低下、难以实施。光学遥感具有成本低、时效性高等优点,是浅海测深最主要的补充手段之一,主要形式包括利用光学遥感影像反演水深,以及用机载激光雷达直接测量等。本文针对光学遥感浅海测深的数据处理方法展开研究,主要包含卫星多光谱水深反演、卫星双介质立体摄影测量以及机载双频激光雷达测深三部分,主要内容和创新点包括:1.卫星多光谱水深反演。研究如何利用水深样本点同光学遥感影像建立水深反演模型,由点及面的获取测区水深信息。首先介绍了多光谱水深反演的原理和常用的理论及经验模型,随后梳理了多光谱水深反演的数据处理流程,文章重点讨论了海洋光学遥感影像预处理方法,样本点检查点数目分布对精度的影响,并系统对比了不同水体条件下多种经验模型的反演精度。本文还利用收集到的多种国内外遥感数据,开展了不同卫星影像测深精度对比实验,以综合研究光学图像多个指标对水深反演精度的影响。最后,本文将传统的全局反演模型改进为局部自适应反演模型,在一定程度上提高了双波段比值模型的反演精度。2.卫星双介质立体摄影测量。研究如何利用光学立体像对的几何信息,直接从卫星影像上计算浅海水深的方法。首先介绍了基于光线折射的双介质摄影测量基本原理,随后推导了将目标点从光线直线交点纠正到光线折射交点的折射改正模型,并系统分析了卫星双介质立体摄影测量处理浅海水深的误差源。本文提出了完整的双介质立体测深流程,主要包括辐射处理、几何模型构建、水陆分离、水面高程计算、折射改正等步骤。最后使用WorldView-2多光谱立体影像验证本文的测深算法,实验结果表明卫星双介质摄影测量技术的测深精度与多光谱反演在同一水平,甚至更高。围绕卫星双介质立体摄影测量技术,本文在流程、算法等层面上进行创新,提出了基于平行特性的核线制作算法、稀疏匹配与密集匹配相结合的水下视差获取方法等。3.机载双频激光雷达水深测量。研究如何构建激光测深几何模型,以及如何从全波形激光回波数据中提取水面和水底信息,最终获得水陆一体化三维点云。文章也首先梳理了双频激光测深的基本原理,介绍了本文采用的激光测深设备,随后将激光雷达数据处理划分为几何模型构建、点云水陆分离、回波波形识别三大块。几何模型方面推导了激光点的地理坐标转换公式;点云水陆分离中通过激光特征提取与选择,基于支持向量机分类器实现水陆分类;回波波形识别上详细推导了混合高斯模型的非线性最小二乘解法。激光测深的核心问题是处理回波混杂的浅水区域和水底信号微弱的深水区域,文章提出用水面近红激光回波模拟浅水区水面分量的方法,从而能够在浅水绿激光回波中分离水面和水底信号。对深水区域用多通道回波联合解算,以提高水深测量的成功率。最后以单波束声呐数据检验本文激光测深算法,结果表明激光测深精度中误差优于0.2m,完全满足近岸开发活动对水深测量的精度要求。
段延松[7]（2016）在《遥感影像处理云模型及快速地形提取服务的研究与实现》文中研究说明随着科技的不断进步,遥感影像获取技术取得了长足的发展,影像波段数的增加与分辨率的提高,导致影像数据呈几何级数增长,产生了海量内容丰富的遥感大数据。如何有效地提升遥感大数据处理能力,已成为当前急需解决的首要问题。同时高性能计算正以突飞猛进的速度在发展,特别是云计算技术正不断走向成熟,为有效提升遥感大数据处理能力提供了一种新思路。然而,现有云计算平台主要考虑通用计算,并未考虑遥感影像处理的特点,导致现有云计算平台在进行遥感影像处理过程中存在明显不足。从云计算技术的本质出发,在分析遥感影像通用处理特点基础上,结合高性能并行处理分而治之的基本思想,设计了遥感影像处理云计算模型C-RSIP;在遥感影像专业处理上,提出了用于快速地形提取的两类膨胀影像匹配算法ETM、自适应密度分析噪声点剔除算法和离散点分级加权拟合规则格网算法;应用方面,论文将C-RSIP模型与资源卫星地面处理中心、天绘卫星地面处理中心的业务相结合实现了 ZY-3-APGS分系统和TH-1B-APGS系统。主要研究内容如下:（1）设计适合于遥感影像处理的通用云计算模型C-RSIP。通过分析遥感影像处理的一般过程、常用算法总结出遥感影像处理的共性和特点,结合高性能并行处理的分而治之的基本思想设计通用遥感影像处理云计算模型C-RSIP。C-RSIP模型严格按云计算三层服务架构设计,在基础设施服务IaaS层面,以多线程CPU守护、无阻塞广播应答以及多节点协同作业三个关键技术做支撑,通过相互引用实现IaaS服务,回避了传统虚拟机技术的效率损失和执行体不能跨平台的问题;在平台服务PaaS层面,通过Multi-NAS存储、C-RSIP三接口并行处理模型和基于节点的被动式负载均衡调度策略三个核心技术实现PaaS服务,解决现有云平台在存储与计算不能有效结合的问题;（2）在通用云计算模型C-RSIP基础上,设计了遥感影像快速地形提取服务C-DSM,其目的是通过遥感影像快速地形提取实例进一步探讨遥感影像处理云计算平台的建设方法和意义。同时针对地形提取技术进行了研究,提出并实现了用于快速地形提取的两次膨胀影像匹配算法ETM（Extend Twice Match）、自适应噪声点密度分析剔除算法和离散点分级加权拟合规则格网算法,使遥感影像的地形提取方法在效率上有显着提升;（3）将C-RSIP云计算模型与资源卫星地面处理中心、天绘卫星地面处理中心的业务相结合实现了 ZY-3-APGS分系统和TH-1B-APGS系统。详细讨论了系统架构、系统环境、系统部署以及系统实现的具体方法,展示了系统的主要功能模块以及部分成果,系统实际运行情况表明C-RSIP模型结构合理、性能可靠,快速地形提取算法正确、效果显着。研究结果表明,设计的遥感影像处理云计算模型C-RSIP可以有效地提升遥感大数据处理能力,可做到实时应对资源三号、天绘一号卫星标定分景、DEM和正射影像的数据生产（当天获取的数据当天完成生产）,精度基本满足1:50000比例尺的规范要求;提出的两次膨胀影像匹配算法ETM（Extend Twice Match）、自适应密度分析噪声点剔除算法和离散点分级加权拟合规则格网算法对地形提取的效率提高显着,其中ETM匹配算法比SGM匹配算法快近20倍,离散点分级加权拟合规则格网算法可处理的离散点数量没有限制。本研究将C-RSIP模型成功应用于资源卫星地面处理中心、天绘卫星地面处理中心,可以为其他行业应用移植到云计算平台提供一种新途径。
杨永明[8]（2016）在《无人机遥感系统数据获取与处理关键技术研究》文中进行了进一步梳理本文以无人机遥感系统获取的厘米级影像数据生产大比例尺地形图为应用背景,重点探讨无人机遥感系统数据获取与处理的理论、方法,主要围绕无人机平台选型、传感器集成、数据获取、数据质量评价、数据处理、倾斜摄影测量等方面开展了系统的实验和分析工作,取得了对工程应用有价值的实验结论。论文主要实验结论如下：1.利用无人机遥感系统获取的实验区0.05米分辨率影像数据,在像控点符合规范要求时,经数字摄影测量软件处理后,其平面精度和高程精度不能满足1：500比例尺地形图生产精度要求。2.利用无人机遥感系统获取的实验区0.1米分辨率影像数据、实验区0.2米分辨率影像数据,在像控点符合规范要求时,经数字摄影测量软件处理后,其平面精度和高程精度分别能够满足1：1000比例尺、1：2000比例尺地形图生产精度要求。论文主要创新点如下：1.通过对无人机气动设计理论和摄影测量理论的融合研究,确定了无人机飞行平台与传感器选型相关参数。利用影像分辨率与成图比例尺、像点位移与巡航速度、相机的曝光时间的关系,确定了无人机飞行平台、传感器选型的相关参数,并利用雷诺数理论对相关参数进行了验证。同时解决了无人机飞行平台、飞行控制系统、传感器之间的物理集成、逻辑集成、电磁兼容性、时间同步等无人机遥感系统集成的关键技术。2.归纳整理了一套科学合理的无人机航摄质量评价指标体系,并在此基础上设计开发了无人机遥感系统数据质量检查软件,解决了数据获取现场质量检查的难题。通过研究无人机遥感系统数据获取特点,在分析获取数据类型的基础上,构建了数据质量评价指标体系和评价流程,设计了质量评价软件模块及功能,开发了具有相应功能的质量检查软件。3.提出了在无人机平台上搭载单相机、三相机、五相机对地面进行倾斜摄影测量建立地面三维模型的方法。对倾斜相机获取的厘米级分辨率倾斜影像进行几何校正、联合平差处理后,采用影像匹配技术生成超高密度点云数据,通过点云数据构建TIN模型,通过TIN模型构建数字表面模型,基于数字表面模型采用纹理映射技术构建地面三维模型。
张丽[9]（2015）在《遥感影像协同处理体系及摄影测量应用研究》文中研究指明在遥感影像种类和数据量急剧膨胀的今天,融合高性能计算技术与数字摄影测量处理技术,研究建立快速、高效、可扩展的遥感影像处理平台具有非常重要的意义和实际应用价值。本文围绕高性能的遥感影像处理系统体系构建,探讨和研究了协同处理服务网格建立、科学工作流及其管理等关键技术,并面向摄影测量应用,构建了高性能遥感影像协同处理系统。论文开展的主要研究工作和创新点简述如下:1.深入分析了新一代数字摄影测量并行处理系统的特点与核心技术,全面总结了系统与技术的研究现状,梳理了有待进一步突破和深入研究的技术问题。2.从遥感影像处理的能力需求出发,提出了适合遥感数据处理特点和需求的可灵活扩展的软硬件体系结构;基于开放式体系设计思想,构建了遥感影像协同处理系统体系,明确了系统部署场景和部署结构,设计了系统运行模式、业务流程和数据流程。3.构建了具有灵活扩展性、动态适应性和使用便捷性的遥感影像协同处理服务网格;基于Condor设计了网格的总体结构,建立了基于服务的网格门户,研究提出了网格环境下任务动态调度的方法和策略。4.提出了具有良好可视性和动态可交互的科学工作流结构,设计了工作流系统相关元素的开发模型和网格环境下工作流调度流程,实现了遥感影像处理加工流水线的定制和流水线驱动下的任务和数据的自动流转。5.对多基线立体匹配算法和正射纠正算法进行了研究和优化,设计了一种多分辨率半全局影像匹配算法P-SGM,并结合“几何约束互相关”模型和“多视铅垂线轨迹法”模型,提出了一种新的GC3-P-SGM、MVLL-P-SGM多基线立体匹配模型;同时,设计了密集匹配任务的GPU粗粒度并行加速方案和重采样操作的GPU细粒度优化方案,进一步提高了算法处理的速度。6.根据摄影测量处理对象的特点和算法特点,确定了摄影测量的协同处理模式和内部并行方式;提出了通用的并行接口,为更多摄影测量与处理算法的并行化改造和集成提供了一条快捷的技术途径。7.将摄影测量处理算法与科学工作流管理、遥感影像协同处理网格平台进行了无缝集成,建立了面向大型复杂摄影测量处理任务的混合集群协同处理系统。多类型遥感影像数据的实验表明,系统规模化能力强,自动化水平高,整体处理效率高,使用便捷,实现了遥感影像处理能力的大幅跃升。
黄万里[10]（2015）在《基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究》文中认为森林小班区划是森林资源调查中的首要任务和主要内容,也是森林资源管理与动态监测的主体业务,在林业生产经营及林业与森林生态环境等科学研究中有着极其重要的意义。从目前的相关研究看,由于森林固有的多尺度特点,及小班区划时需要考虑来自不同尺度的森林地物信息,加之,高空间分辨率遥感图像上的光谱信息受限,小班区划的技术指标在图像上的指示信息有限,采用单一尺度的图像分割与分类信息进行小班边界提取难以取得满意的效果。基于此,本文在构建多尺度层次图像分割方法并进行最优分割尺度选择的基础上,构建了基于对象基元与林分尺度分类结果的林分分类指标,并进行林分分类与小班边界提取,力图探索一种高分辨率遥感图像小班边界提取的新思路。选择新疆天山西部林业局的特克斯林场为研究区,按照“森林信息的图像表征→图像多尺度分割与信息提取→森林小班对象识别”开展面向山地森林的高空间分辨率遥感小班边界提取研究。针对天山林区展开实验,结果表明,该方法对于实验区的林分分类及小班边界的提取可以取得比较好的结果。本文提出的林分分类的多尺度结构指数不但可以在林业上进行林分分类、小班边界提取,还可能用于城市建筑区或居住区的划分、分类等。
二、基于TIN分块的数字影象自适应几何纠正方法（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、基于TIN分块的数字影象自适应几何纠正方法（论文提纲范文）
（1）面向FPGA硬件的卫星影像GA-RLS-RFM正射纠正优化算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 卫星影像几何纠正模型研究现状 |
| 1.2.2 星上遥感影像实时处理现状 |
| 1.3 本文的研究内容和创新点 |
| 1.4 组织结构 |
| 第2章 卫星影像的VGM无控定位模型 |
| 2.1 引言 |
| 2.2 单线阵推扫式卫星的成像几何 |
| 2.3 卫星星历数据和姿态数据插值 |
| 2.3.1 星历数据插值 |
| 2.3.2 姿态数据插值 |
| 2.4 单线阵推扫式卫星影像的VGM无控定位模型 |
| 2.4.1 像元在本体坐标系中的视线向量 |
| 2.4.2 像元在轨道坐标系中的视线向量 |
| 2.4.3 像元在地心坐标系中的视线向量 |
| 2.4.4 VGM模型的建立 |
| 2.4.5 地面点大地坐标的解算 |
| 2.5 VGM模型改正 |
| 2.5.1 改正由相对速度引起的像差 |
| 2.5.2 改正由光传输延迟引起的定位误差 |
| 2.5.3 改正卫星参数中的系统误差 |
| 2.6 利用VGM模型进行卫星影像定位实验 |
| 2.6.1 无控制点的定位实验 |
| 2.6.2 有控制点的定位实验 |
| 2.6.3 实验结果分析 |
| 2.7 本章小结 |
| 第3章 卫星遥感影像的RLS-RFM模型 |
| 3.1 引言 |
| 3.2 RLS-RFM模型的建立 |
| 3.2.1 RLS-RFM模型参数求解算法 |
| 3.2.2 RLS-RFM模型参数求解流程 |
| 3.2.3 RLS-RFM模型参数求解实验 |
| 3.3 利用RLS-RFM模型对卫星影像进行正射纠正 |
| 3.3.1 RLS-RFM模型像方坐标补偿 |
| 3.3.2 SPOT-6 影像正射纠正实验 |
| 3.3.3 IKONOS-2 影像正射纠正实验 |
| 3.4 本章小结 |
| 第4章 RLS-RFM模型的遗传算法优化及卫星影像正射纠正算法 |
| 4.1 引言 |
| 4.2 RLS-RFM模型的遗传算法优化原理 |
| 4.2.1 个体编码 |
| 4.2.2 适应度函数的建立 |
| 4.2.3 种群繁殖 |
| 4.3 卫星影像的正射纠正算法 |
| 4.3.1 传统的基于RFM模型的卫星影像正射纠正算法 |
| 4.3.2 卫星影像的GA-RLS-RFM正射纠正算法 |
| 4.4 卫星影像的GA-RLS-RFM正射纠正实验 |
| 4.4.1 GA算法参数设计 |
| 4.4.2 SPOT-6 影像正射纠正实验 |
| 4.4.3 IKONOS-2 影像正射纠正实验 |
| 4.5 本章小结 |
| 第5章 卫星影像的 VGM无控定位算法的 FPGA硬件架构 |
| 5.1 引言 |
| 5.2 FPGA硬件架构 |
| 5.3 子模块 |
| 5.3.1 CTRL_VGM模块 |
| 5.3.2 VVCM模块 |
| 5.3.3 RAM_VV模块 |
| 5.3.4 ITERATION模块 |
| 5.4 仿真实验 |
| 5.4.1 参数设置 |
| 5.4.2 仿真波形 |
| 5.4.3 性能分析 |
| 5.5 本章小结 |
| 第6章 RLS-RFM模型参数求解算法的FPGA硬件架构 |
| 6.1 引言 |
| 6.2 FPGA硬件架构 |
| 6.3 .子模块 |
| 6.3.1 NORMALIZE模块 |
| 6.3.2 快速的矩阵乘法并行结构 |
| 6.4 仿真实验 |
| 6.4.1 参数设置 |
| 6.4.2 仿真波形 |
| 6.4.3 性能分析 |
| 6.5 本章小结 |
| 第7章 GA-RLS-RFM正射纠正算法的FPGA硬件架构 |
| 7.1 引言 |
| 7.2 FPGA硬件架构 |
| 7.3 子模块 |
| 7.3.1 GARFM模块 |
| 7.3.2 GETCORD模块 |
| 7.3.3 ORTHOM模块 |
| 7.4 仿真实验 |
| 7.4.1 参数设置 |
| 7.4.2 仿真波形 |
| 7.4.3 性能分析 |
| 7.5 本章小结 |
| 第8章 总结与展望 |
| 8.1 总结 |
| 8.2 研究展望 |
| 参考文献 |
| 附录:英文缩写词 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（2）LiDAR数据辅助下的真正射影像制作方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 LiDAR数据与航空影像的配准 |
| 1.2.2 基于Li DAR点云获取DSM |
| 1.2.3 真正射影像的遮挡检测与纹理修补 |
| 1.3 本文主要研究内容 |
| 1.4 技术路线与章节安排 |
| 1.4.1 技术路线 |
| 1.4.2 章节安排 |
| 第2章 实验数据的获取 |
| 2.1 航空影像数据 |
| 2.2 控制点数据 |
| 2.3 LiDAR数据 |
| 第3章 Li DAR点云配准与DSM的获取 |
| 3.1 点云配准 |
| 3.1.1 基于k-d树的ICP算法 |
| 3.1.2 点云配准精度分析 |
| 3.2 DSM的获取 |
| 3.2.1 布料滤波 |
| 3.2.2 布料滤波精度分析 |
| 3.2.3 提取建筑物点云 |
| 3.2.4 建筑物点云提取精度分析 |
| 3.2.5 DSM的构建 |
| 第4章 真正射影像制作 |
| 4.1 真正射影像 |
| 4.1.1 数字微分纠正 |
| 4.1.2 真正射影像的快速纠正 |
| 4.2 基于DSM的遮挡区域检测 |
| 4.2.1 现有遮挡检测方法 |
| 4.2.2 实验区遮挡检测 |
| 4.3 遮挡区域纹理补偿 |
| 4.3.1 纹理补偿原理 |
| 4.3.2 实验区纹理补偿 |
| 4.4 真正射影像精度验证 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
（3）基于自适应三角剖分的DMZ Ⅱ相机影像配准融合技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 数字航测相机发展现状 |
| 1.3 国内外影像融合处理研究现状 |
| 1.3.1 影像配准技术 |
| 1.3.2 影像融合技术 |
| 1.4 论文的结构安排 |
| 第二章 影像融合处理的相关理论基础 |
| 2.1 影像配准概述 |
| 2.1.1 基于点特征的影像匹配算法 |
| 2.1.2 影像空间变换模型 |
| 2.1.3 影像匹配的相似性测度 |
| 2.2 数字影像几何纠正与灰度插值方法 |
| 2.2.1 几何纠正方法 |
| 2.2.2 灰度插值方法 |
| 2.3 影像融合算法原理简介 |
| 2.3.1 IHS变换融合 |
| 2.3.2 PCA变换融合 |
| 2.3.3 HPF融合 |
| 2.3.4 Wavelet变换融合 |
| 第三章 航空多光谱影像配准方法 |
| 3.1 多光谱影像匹配 |
| 3.1.1 由粗到精匹配策略 |
| 3.1.2 特征点的提取与匹配 |
| 3.1.3 误匹配点剔除 |
| 3.1.4 最小二乘精匹配 |
| 3.2 三角网条件约束下的同名点扩展 |
| 3.2.1 三角网构建基本方法 |
| 3.2.2 点与三角形位置关系判定法 |
| 3.2.3 同名点覆盖面积计算 |
| 3.2.4 三角网局部约束条件 |
| 3.3 基于TIN的小面元微分纠正 |
| 3.4 程序设计与试验结果分析 |
| 3.4.1 多光谱影像配准程序设计 |
| 3.4.2 试验结果与分析 |
| 第四章 DMZ Ⅱ相机影像配准与融合处理 |
| 4.1 DMZ Ⅱ相机影像配准处理 |
| 4.1.1 全色子影像的辐射校正 |
| 4.1.2 全色等效虚拟影像生成 |
| 4.1.3 全色影像与多光谱影像配准处理 |
| 4.2 DMZ Ⅱ相机影像融合处理 |
| 4.2.1 相关融合算法 |
| 4.2.2 融合算法特性分析 |
| 4.3 融合影像质量评价 |
| 4.3.1 主观评价 |
| 4.3.2 客观评价 |
| 4.4 试验结果与分析 |
| 4.4.1 影像配准程序实现与结果分析 |
| 4.4.2 影像融合试验的程序实现 |
| 4.4.3 影像融合试验的结果与分析 |
| 结论与展望 |
| 附录 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（4）基于参考地理数据的多源国产卫星影像一体化定位方法研究（论文提纲范文）
| 论文的创新点 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 背景介绍 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 概述 |
| 1.2.2 主要国产高分光学卫星研究现状 |
| 1.2.3 影像定位模型及方法研究现状与分析 |
| 1.2.4 影像匹配技术研究现状与分析 |
| 1.2.5 CPU/GPU集群分布式影像数据处理研究现状与分析 |
| 1.3 主要研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 研究方案 |
| 1.5 文章组织结构 |
| 第二章 光学卫星影像几何定位与区域网平差模型 |
| 2.1 坐标系统的定义与转换 |
| 2.1.1 像方坐标系 |
| 2.1.2 物方坐标系 |
| 2.1.3 辅助空间直角坐标系 |
| 2.2 严密成像模型几何定位 |
| 2.2.1 影像严密定位模型 |
| 2.2.2 影像严密定向方法 |
| 2.3 严密成像模型几何定位误差影响 |
| 2.3.1 卫星影像严密定位影响因素 |
| 2.3.2 各类误差对卫星影像严密定位误差的影响 |
| 2.4 基于有RFM的区域网平差模型 |
| 2.4.1 有理函数模型(RFM) |
| 2.4.2 基于RFM模型的区域网平差模型 |
| 第三章 多源光学卫星影像连接点及参考控制点的自动获取 |
| 3.1 影像预处理 |
| 3.1.1 数据源自动识别及异常数据检测 |
| 3.1.2 影像纹理增强 |
| 3.1.3 基于影像显着边缘的初值匹配 |
| 3.2 顾及地形约束的光学卫星影像匹配方法 |
| 3.2.1 特征点提取与匹配基元确定 |
| 3.2.2 引入约束条件的高精度相关匹配算法 |
| 3.2.3 基于影像金字塔的匹配策略 |
| 3.2.4 基于参考地理数据的影像自动匹配 |
| 3.3 影像连接点及参考控制点的自动获取 |
| 3.3.1 影像连接点及参考控制点获取流程 |
| 3.3.2 数据实验结果 |
| 3.4 大规模影像连接点及参考控制点匹配并行实现 |
| 3.4.1 高性能硬件架构 |
| 3.4.2 高分辨率卫星影像分布式处理系统 |
| 3.4.3 影像连接点匹配并行实现 |
| 第四章 多源光学卫星影像大规模联合区域网平差 |
| 4.1 卫星影像区域网平差 |
| 4.1.1 立体影像区域网平差方法 |
| 4.1.2 单景覆盖影像(弱交会条件)区域网平差方法 |
| 4.1.3 选权迭代法剔除粗差 |
| 4.2 GISIBA无控制区域网平差模型及分析 |
| 4.2.1 无控区域网平差误差源分析 |
| 4.2.2 交替趋近法区域网平差 |
| 4.2.3 GISIBA无控制区域网平差方法 |
| 4.2.4 GISIBA平差方法的特点及精度分析 |
| 4.2.5 数据实验结果 |
| 4.3 GISIBA平差方法在实际应用中的问题和处理方法 |
| 4.3.1 卫星影像在轨几何标定 |
| 4.3.2 几何接边问题处理方法 |
| 第五章 实验与分析 |
| 5.1 实验环境 |
| 5.2 公众地理信息数据精度分析 |
| 5.3 应用实验与分析 |
| 5.3.1 实验数据 |
| 5.3.2 实验结果与分析 |
| 5.3.3 实验结论 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 主要贡献与创新 |
| 6.3 进一步工作展望 |
| 参考文献 |
| 攻博期间发表的与学位论文相关的科研成果目录 |
| 致谢 |
（5）基于无人机倾斜摄影场景建模的建筑物单体化方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 交互式建筑物单体化建模 |
| 1.2.2 基于LiDAR数据的场景建模 |
| 1.2.3 基于多角度倾斜摄影的场景三维建模 |
| 1.2.4 基于影像的建筑物单体化建模 |
| 1.2.5 高分辨率影像中建筑物的提取 |
| 1.2.6 城市三维建模方法存在的问题及分析 |
| 1.3 研究目标、内容与技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究技术路线 |
| 1.4 论文结构与内容安排 |
| 第2章 基于无人机倾斜摄影的三维场景建模 |
| 2.1 无人机倾斜航空摄影 |
| 2.2 基于倾斜摄影的场景三维建模的一般过程 |
| 2.3 基于无人机倾斜摄影的三维场景构建实例 |
| 2.3.1 原始数据的处理 |
| 2.3.2 建筑物三维模型单体化实验的数据基础及其分析 |
| 2.4 本章小结 |
| 第3章 基于影像特征的建筑物轮廓分割与三维模型提取 |
| 3.1 高分辨率影像上建筑物特征分析 |
| 3.2 基于Canny算子的建筑物边缘特征检测 |
| 3.3 建筑物轮廓检测和外包矩形生成 |
| 3.3.1 建筑物轮廓提取 |
| 3.3.2 轮廓外包矩形的生成与顶点坐标的获取 |
| 3.4 建筑物三维模型的粗略分割 |
| 3.4.1 数据的读取与组织 |
| 3.4.2 约束区域内三角面片的提取 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第4章 基于几何特征的建筑物单体模型净化处理 |
| 4.1 三维空间中建筑物几何特征分析 |
| 4.2 三角面片法向量、高程的计算及拓扑关系的建立 |
| 4.2.1 三角面片单位法向量和高程的计算 |
| 4.2.2 面片邻接拓扑关系的建立 |
| 4.3 建筑物三角面片的判别与提取 |
| 4.3.1 三角面片的方向分组与分类 |
| 4.3.2 非地面三角面片的提取 |
| 4.3.3 局部区域三角面片粗糙度的度量 |
| 4.4 净化处理后建筑物单体模型的生成 |
| 4.4.1 三维空间中粗略单体模型的净化处理 |
| 4.4.2 独立整体面组的构建 |
| 4.5 建筑物单体模型数据的组织与表达 |
| 4.5.1 三维单体模形数据文件的组织 |
| 4.5.2 三维单体模型数据整理 |
| 4.6 实验结果与分析 |
| 4.7 本章小结 |
| 第5章 基于三维场景模型的建筑物单体化建模原型系统 |
| 5.1 系统的整体设计 |
| 5.2 系统的开发与运行实例 |
| 5.2.1 系统的开发 |
| 5.2.2 系统的运行实例 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要研究总结 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间学术论文及研究成果 |
（6）遥感测深数据处理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 卫星多光谱遥感水深反演 |
| 1.2.2 立体双介质水深测量 |
| 1.2.3 机载激光雷达测深数据处理 |
| 1.3 研究目的和意义 |
| 1.4 论文的组织 |
| 第二章 基于多光谱信息的水深反演方法 |
| 2.1 水深遥感原理 |
| 2.2 水深反演模型 |
| 2.2.1 理论模型 |
| 2.2.2 经验模型 |
| 2.3 水深反演流程 |
| 2.3.1 辐亮度转换 |
| 2.3.2 大气校正 |
| 2.3.3 太阳耀斑消除 |
| 2.3.4 水深反演精度评估 |
| 2.4 水深反演数据准备 |
| 2.4.1 实验区域 |
| 2.4.2 影像数据 |
| 2.4.3 水深数据 |
| 2.5 多光谱影像水深反演实验 |
| 2.5.1 太阳耀斑消除 |
| 2.5.2 样本点和检查点数量对精度的影响 |
| 2.5.3 几何分辨率对反演精度的影响 |
| 2.5.4 多种模型水深反演对比实验 |
| 2.5.5 水深反演模型的局部自适应改进 |
| 2.6 本章小结 |
| 第三章 双介质立体摄影测量水深提取方法 |
| 3.1 双介质测深基本原理 |
| 3.2 折射改正模型 |
| 3.3 WV-2 立体双介质测深误差分析 |
| 3.3.1 观察点和真实点的水平误差 |
| 3.3.2 平均折射角造成的垂直误差 |
| 3.3.3 其他误差源 |
| 3.4 双介质立体摄影测量处理流程 |
| 3.4.1 几何成像模型 |
| 3.4.2 核线影像制作 |
| 3.4.3 水下密集匹配 |
| 3.5 实验验证 |
| 3.5.1 基于平行特性的核线生成 |
| 3.5.2 近似折射改正模型验证 |
| 3.5.3 WV-2 多光谱立体双介质测深 |
| 3.6 本章小结 |
| 第四章 机载双频激光雷达浅海测深方法 |
| 4.1 机载激光雷达测深原理 |
| 4.2 机载激光雷达测深系统 |
| 4.3 机载激光雷达数据处理流程 |
| 4.4 测深几何模型构建 |
| 4.4.1 坐标系定义 |
| 4.4.2 激光点在传感器坐标系中几何关系 |
| 4.5 双频激光雷达波形分析 |
| 4.5.1 全波形数据 |
| 4.5.2 波形分解 |
| 4.5.3 高斯分解法 |
| 4.5.3.1 高斯特征参数预估 |
| 4.5.3.2 基于LM算法的参数优化 |
| 4.5.3.3 基于EM算法的参数优化 |
| 4.5.4 反卷积法 |
| 4.6 激光回波水陆分类 |
| 4.6.1 特征类型 |
| 4.6.2 特征选择 |
| 4.6.3 训练与分类 |
| 4.6.4 激光回波水陆分类实验 |
| 4.7 多波段数据联合处理 |
| 4.7.1 有效数据截取 |
| 4.7.2 浅水与深水回波分类 |
| 4.7.3 水面与水底回波位置探测 |
| 4.7.3.1 浅水回波波峰探测 |
| 4.7.3.2 深水回波波峰探测 |
| 4.7.4 波峰探测及水深测量实验 |
| 4.8 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 下一步研究方向 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（7）遥感影像处理云模型及快速地形提取服务的研究与实现（论文提纲范文）
| 论文创新点 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1.研究背景与意义 |
| 1.2.国内外研究现状 |
| 1.2.1.云计算相关研究 |
| 1.2.2.云环境下遥感影像处理相关研究 |
| 1.2.3.遥感影像快速地形提取相关研究 |
| 1.3.研究目标和内容 |
| 1.3.1.研究目标 |
| 1.3.2.研究内容 |
| 1.3.3.难点与关键问题 |
| 1.4.论文组织结构 |
| 第2章 遥感影像处理云计算模型C-RSIP |
| 2.1.遥感影像处理概述 |
| 2.2.C-RSIP云计算模型 |
| 2.3.C-RSIP的IaaS |
| 2.3.1.C-RSIP的逻辑虚拟 |
| 2.3.2.多线程CPU守护 |
| 2.3.3.无阻塞广播应答 |
| 2.3.4.多机协同模式 |
| 2.4.C-RSIP的PaaS |
| 2.4.1.C-RSIP的影像存储管理 |
| 2.4.2.C-RSIP的分布式并行处理 |
| 2.4.3.C-RSIP的负载均衡 |
| 2.5.本章小结 |
| 第3章 基于C-RSIP的地形提取服务C-DSM |
| 3.1.C-DSM的地形提取技术 |
| 3.1.1.影像匹配研究现状 |
| 3.1.2.C-DSM地形提取相关算法 |
| 3.1.3.C-DSM地形提取相关算法实验 |
| 3.2.应用服务平台设计 |
| 3.2.1.设计思想 |
| 3.2.2.体系结构 |
| 3.2.3.设计特色 |
| 3.3.C-DSM地形提取服务 |
| 3.4.本章小结 |
| 第4章 C-RSIP在ZY-3和TH-1B地面系统的应用 |
| 4.1.C-RSIP在ZY-3地面系统的应用 |
| 4.1.1.ZY-3-APGS系统架构 |
| 4.1.2.ZY-3-APGS系统运行环境 |
| 4.1.3.ZY-3-APGS系统功能实现 |
| 4.1.4.ZY-3-APGS系统实际运行情况 |
| 4.2.C-RSIP在TH-IB地面系统的应用 |
| 4.2.1.TH-1B-APGS系统架构 |
| 4.2.2.TH-1B-APGS系统运行环境 |
| 4.2.3.TH-IB-APGS系统功能实现 |
| 4.2.4.TH-IB-APGS系统实际运行情况 |
| 4.3.本章小结 |
| 第5章 结论与展望 |
| 5.1.主要研究工作 |
| 5.2.主要贡献和创新点 |
| 5.3.未来展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的科研成果目录 |
| 致谢 |
（8）无人机遥感系统数据获取与处理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题的提出 |
| 1.3 国内外研究动态 |
| 1.4 论文实验数据 |
| 1.5 研究目标 |
| 1.6 论文章节安排 |
| 1.7 本章小结 |
| 第二章 无人机遥感系统理论基础 |
| 2.1 飞行控制 |
| 2.2 像片畸变差处理 |
| 2.3 坐标系统 |
| 2.4 时间系统 |
| 2.5 平差理论 |
| 2.6 本章小结 |
| 第三章 无人机遥感系统集成 |
| 3.1 无人机平台选型 |
| 3.2 传感器选型 |
| 3.3 传感器物理集成 |
| 3.4 传感器逻辑集成 |
| 3.5 传感器电磁兼容性 |
| 3.6 传感器时间同步 |
| 3.7 无人机重心测定 |
| 3.8 无人机中立值获取 |
| 3.9 本章小结 |
| 第四章 无人机遥感数据获取 |
| 4.1 航摄分区 |
| 4.2 分区基准面 |
| 4.3 航摄时间 |
| 4.4 航线设计 |
| 4.5 起飞前检查 |
| 4.6 航空摄影 |
| 4.7 像控点布点 |
| 4.8 像控点测量 |
| 4.9 飞行后检查 |
| 4.10 本章小结 |
| 第五章 无人机遥感航摄数据质量评价 |
| 5.1 质量评价指标选取 |
| 5.2 质量评价指标体系构建 |
| 5.3 质量评价流程设计 |
| 5.4 质量评价参数计算方法 |
| 5.5 质量评价功能模块设计 |
| 5.6 质量评价软件开发 |
| 5.7 软件功能介绍 |
| 5.8 本章小结 |
| 第六章 无人机遥感航摄数据处理 |
| 6.1 数字摄影测量系统选择 |
| 6.2 航测数据预处理 |
| 6.3 模型定向 |
| 6.4 核线采集与影像匹配 |
| 6.5 连接点提取 |
| 6.6 空中三角测量 |
| 6.7 空中三角测量结果分析 |
| 6.8 DEM数据生产 |
| 6.9 DOM数据生产 |
| 6.10 DLG数据生产 |
| 6.11 实验成果数据 |
| 6.12 INPHO和MAPMATRIX软件对比 |
| 6.13 本章小结 |
| 第七章 无人机倾斜摄影测量 |
| 7.1 倾斜摄影测量原理 |
| 7.2 倾斜影像数据获取 |
| 7.3 倾斜影像数据处理 |
| 7.4 倾斜影像数据处理精度分析 |
| 7.5 倾斜影像三维建模 |
| 7.6 倾斜摄影测量技术在地质灾害应急救援中的应用 |
| 7.7 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A (攻读学位期间发表论文目录) |
| 附录B (攻读博士学位期间参与的科研项目情况) |
（9）遥感影像协同处理体系及摄影测量应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 摄影测量与遥感数据处理技术发展 |
| 1.2.1 摄影测量与遥感并行处理系统及其核心技术 |
| 1.2.2 高性能计算现状及发展 |
| 1.2.3 摄影测量并行处理技术的发展 |
| 1.2.4 协同处理的难点与现有研究的不足 |
| 1.3 本文的研究内容和结构安排 |
| 第2章 遥感影像协同处理体系设计 |
| 2.1 遥感影像协同处理系统需求分析 |
| 2.1.1 能力需求 |
| 2.1.2 技术需求 |
| 2.2 并行计算平台设计 |
| 2.2.1 并行计算机架构 |
| 2.2.2 集群计算机构建模式 |
| 2.2.3 GPU-CPU混合集群计算平台搭建方式 |
| 2.2.4 网络互联技术 |
| 2.2.5 并行I/O体系 |
| 2.3 遥感影像协同处理软件体系设计 |
| 2.3.1 软件系统的功能组成 |
| 2.3.2 软件系统的体系结构设计 |
| 2.4 遥感影像协同处理系统总体结构与运行机制 |
| 2.4.1 遥感影像协同处理系统体系结构 |
| 2.4.2 遥感影像协同处理系统部署结构 |
| 2.4.3 遥感影像协同处理系统运行模式和流程 |
| 2.5 本章小结 |
| 第3章 遥感影像协同处理服务网格设计与实现 |
| 3.1 网格与遥感影像处理服务网格 |
| 3.2 遥感影像处理服务网格总体设计 |
| 3.2.1 遥感影像处理服务网格系统结构 |
| 3.2.2 Condor基础 |
| 3.2.3 基于Condor的网格系统总体结构及运行机制 |
| 3.2.4 核心服务与数据库的设计与实现 |
| 3.3 遥感影像协同处理服务网格门户设计 |
| 3.3.1 遥感影像协同处理服务网格门户总体结构 |
| 3.3.2 网格门户关键服务的设计与实现 |
| 3.3.3 网格门户应用接口设计 |
| 3.4 本章小结 |
| 第4章 遥感影像协同处理工作流及其管理技术 |
| 4.1 科学工作流概念及生命周期 |
| 4.1.1 科学工作流相关概念 |
| 4.1.2 科学工作流的生命周期 |
| 4.2 遥感影像协同处理工作流设计 |
| 4.2.1 能力需求 |
| 4.2.2 流程编辑方式 |
| 4.2.3 流程建模 |
| 4.2.4 基本概念和模型 |
| 4.2.5 工作流类型系统 |
| 4.3 遥感影像协同处理工作流的执行 |
| 4.3.1 工作流调度 |
| 4.3.2 与网格系统的集成 |
| 4.3.3 工作流服务 |
| 4.4 遥感影像协同处理工作流管理系统功能及应用实例 |
| 4.5 本章小结 |
| 第5章 摄影测量处理算法及其GPU并行优化研究 |
| 5.1 摄影测量处理的并行性 |
| 5.1.1 摄影测量自动化处理流程 |
| 5.1.2 并行模式 |
| 5.1.3 摄影测量协同处理模式 |
| 5.2 遥感影像多基线立体匹配及其GPU优化 |
| 5.2.1 实现模式与并行性分析 |
| 5.2.2 多基线立体匹配的多分辨率半全局优化 |
| 5.2.3 GPU并行优化 |
| 5.2.4 实验分析与结论 |
| 5.3 正射纠正及其GPU并行优化 |
| 5.3.1 正射纠正算法的并行性分析 |
| 5.3.2 重采样过程的GPU优化策略 |
| 5.3.3 面阵航空影像正射纠正中重采样过程的GPU并行处理实验 |
| 5.4 本章小结 |
| 第6章 面向摄影测量整体任务的遥感影像协同处理 |
| 6.1 摄影测量算法与遥感影像协同处理体系的集成 |
| 6.1.1 处理插件的形成机制 |
| 6.1.2 摄影测量处理算法的模块化分解 |
| 6.1.3 基于并行抽象接口的摄影测量处理算法改造 |
| 6.1.4 系统功能 |
| 6.2 系统处理能力实验 |
| 6.2.1 论文搭建的实验平台 |
| 6.2.2 实验数据 |
| 6.2.3 实验过程及结果 |
| 6.2.4 实验结论 |
| 6.3 系统动态适应性实验 |
| 6.3.1 实验平台和实验数据 |
| 6.3.2 实验过程及结果分析 |
| 6.4 应用实例 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 进一步研究的内容 |
| 参考文献 |
| 作者简历 |
| 致谢 |
（10）基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 文摘 |
| 第1章 绪论 |
| 1.1 选题背景与依据 |
| 1.2 国内外研究现状 |
| 1.2.1 森林小班边界遥感提取 |
| 1.2.2 多尺度图像分割 |
| 1.2.3 论文切入点 |
| 1.3 研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织 |
| 第2章 研究区概况与数据预处理 |
| 2.1 研究区概况 |
| 2.1.1 自然地理概况 |
| 2.1.2 森林资源概况 |
| 2.2 数据资料 |
| 2.2.1 地形数据 |
| 2.2.2 遥感数据 |
| 2.2.3 森林资源调查及野外测量数据 |
| 2.3 数据预处理 |
| 2.3.1 地形数据处理 |
| 2.3.2 遥感数据预处理 |
| 2.4 本章小结 |
| 第3章 森林遥感图像特征分析 |
| 3.1 光谱特征分析 |
| 3.1.1 光谱统计特征 |
| 3.1.2 实测地物光谱特征 |
| 3.1.3 图像地物光谱特征 |
| 3.2 纹理特征分析 |
| 3.2.1 纹理特征分析方法 |
| 3.2.2 典型地物GLCM纹理特征分析 |
| 3.3 本章小结 |
| 第4章 森林对象多尺度分割 |
| 4.1 图像分割方法构建 |
| 4.1.1 区域生长方法分析 |
| 4.1.2 分割方法构建 |
| 4.2 分割参数选择 |
| 4.2.1 优度实验法 |
| 4.2.2 差分进化差异度实验法 |
| 4.3 多尺度分割实验 |
| 4.3.1 对象基元分割 |
| 4.3.2 林分尺度分割 |
| 4.4 本章小结 |
| 第5章 基于多尺度图像分类的小班边界提取 |
| 5.1 森林经营区划系统与小班区划技术 |
| 5.1.1 森林经营区划系统 |
| 5.1.2 小班区划技术标准 |
| 5.2 多尺度图像对象分类 |
| 5.2.1 对象概念 |
| 5.2.2 对象分类特征的选择方法 |
| 5.2.3 对象基元尺度图像对象分类 |
| 5.2.4 林分尺度图像对象分类 |
| 5.3 林分分类与小班边界提取 |
| 5.3.1 林分分类指标构建 |
| 5.3.2 林分分类 |
| 5.3.3 小班对象构建与边界提取 |
| 5.4 小班提取结果分析 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究成果与结论 |
| 6.2 主要学科与领域贡献 |
| 6.3 研究展望 |
| 参考文献 |
| 攻读学位期间承担的科研任务与主要成果 |
| 致谢 |
| 个人简历 |
四、基于TIN分块的数字影象自适应几何纠正方法（论文参考文献）
- [1]面向FPGA硬件的卫星影像GA-RLS-RFM正射纠正优化算法研究[D]. 张荣庭. 天津大学, 2019(01)
- [2]LiDAR数据辅助下的真正射影像制作方法研究[D]. 周涛. 成都理工大学, 2019(02)
- [3]基于自适应三角剖分的DMZ Ⅱ相机影像配准融合技术研究[D]. 杨辉. 长安大学, 2019(01)
- [4]基于参考地理数据的多源国产卫星影像一体化定位方法研究[D]. 孙钰珊. 武汉大学, 2018(06)
- [5]基于无人机倾斜摄影场景建模的建筑物单体化方法[D]. 蔡香玉. 南京师范大学, 2018(01)
- [6]遥感测深数据处理方法研究[D]. 曹彬才. 战略支援部队信息工程大学, 2017(01)
- [7]遥感影像处理云模型及快速地形提取服务的研究与实现[D]. 段延松. 武汉大学, 2016(05)
- [8]无人机遥感系统数据获取与处理关键技术研究[D]. 杨永明. 昆明理工大学, 2016(12)
- [9]遥感影像协同处理体系及摄影测量应用研究[D]. 张丽. 解放军信息工程大学, 2015(07)
- [10]基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D]. 黄万里. 福建师范大学, 2015(01)