本文主要研究内容
作者宋飞（2019）在《基于小型无人机图像配准的丘陵山区耕地变化监测研究》一文中研究指出：针对我国西南与东南地区丘陵山区的耕地变化监测研究,大量不同的思路、模型与方法已经被提出了。但是,如何构建高质量的变化检测差异图像至今仍是一个难题,差异图像中确定的变化类和未变化类结果,会直接决定检测后的最终结果。另外,在不同时间段利用小型无人机获取图像的过程中,可能导致被获取的同一场景的图像存在尺度变化,噪声,几何失真和光照变化等。为了解决这些问题,利用小型无人机本文提出了基于图像配准的丘陵山区耕地变化监测框架,其贡献包括:（i）双特征描述子（Dual Feature Descriptor,DFD）:基于欧氏距离的全局特征和基于和向量的局部特征构造了DFD;（ii）多尺度描述子:通过经由预训练的VGG（Visual Geometry Group）网络形成的层和形状上下文（Shape Context,SC）构造了多尺度描述子;（iii）动态内点选择:在配准的初始阶段,粗略图像配准由最可靠的特征点快速确定。之后,再通过增加特征点的数量来优化配准细节;（iv）基于2L E（L2-minimizing Estimate）的双约束能量方程:在再生核希尔伯特空间（Reproducing Kernel Hilbert Space,RKHS）中,基于高斯径向基函数（Gaussian Radial Basis Function,GRBF）对待配准图像进行了全局与局部结构双约束的空间变换更新;（v）预分类和预训练:基于模糊C均值聚类（Fuzzy C-Means,FCM）分类器生成了差异矩阵,通过深度神经网络（Deep Neural Network,DNN）预训练差异矩阵,实现快速自动的变化结果图生成。在实验中,该研究主要在四川、贵州、云南、广西和广东的20个重点土地保护区开展。这些地区有多种土地覆盖类型,包括农田,建筑,森林等。在这些土地覆盖类型中,最主要的是耕地（坡度:5°35°）。数据源主要由小型无人机获取的不同研究区域的500对图像组成。基于数据源本文评估了相关算法,其中图像配准算法与当前5种流行的算法（SIFT,SURF,CPD,GLMDTPS,ZGLCATE）进行了比较,变化检测算法与当前4种算法（PCAKmeans,SSFA,LEGS,SemiFCM）进行了比较,本文的框架算法在大多数情况下均给出了最好的结果。
Abstract
zhen dui wo guo xi na yu dong na de ou qiu ling shan ou de geng de bian hua jian ce yan jiu ,da liang bu tong de sai lu 、mo xing yu fang fa yi jing bei di chu le 。dan shi ,ru he gou jian gao zhi liang de bian hua jian ce cha yi tu xiang zhi jin reng shi yi ge nan ti ,cha yi tu xiang zhong que ding de bian hua lei he wei bian hua lei jie guo ,hui zhi jie jue ding jian ce hou de zui zhong jie guo 。ling wai ,zai bu tong shi jian duan li yong xiao xing mo ren ji huo qu tu xiang de guo cheng zhong ,ke neng dao zhi bei huo qu de tong yi chang jing de tu xiang cun zai che du bian hua ,zao sheng ,ji he shi zhen he guang zhao bian hua deng 。wei le jie jue zhe xie wen ti ,li yong xiao xing mo ren ji ben wen di chu le ji yu tu xiang pei zhun de qiu ling shan ou geng de bian hua jian ce kuang jia ,ji gong suo bao gua :（i）shuang te zheng miao shu zi （Dual Feature Descriptor,DFD）:ji yu ou shi ju li de quan ju te zheng he ji yu he xiang liang de ju bu te zheng gou zao le DFD;（ii）duo che du miao shu zi :tong guo jing you yu xun lian de VGG（Visual Geometry Group）wang lao xing cheng de ceng he xing zhuang shang xia wen （Shape Context,SC）gou zao le duo che du miao shu zi ;（iii）dong tai nei dian shua ze :zai pei zhun de chu shi jie duan ,cu lve tu xiang pei zhun you zui ke kao de te zheng dian kuai su que ding 。zhi hou ,zai tong guo zeng jia te zheng dian de shu liang lai you hua pei zhun xi jie ;（iv）ji yu 2L E（L2-minimizing Estimate）de shuang yao shu neng liang fang cheng :zai zai sheng he xi er bai te kong jian （Reproducing Kernel Hilbert Space,RKHS）zhong ,ji yu gao si jing xiang ji han shu （Gaussian Radial Basis Function,GRBF）dui dai pei zhun tu xiang jin hang le quan ju yu ju bu jie gou shuang yao shu de kong jian bian huan geng xin ;（v）yu fen lei he yu xun lian :ji yu mo hu Cjun zhi ju lei （Fuzzy C-Means,FCM）fen lei qi sheng cheng le cha yi ju zhen ,tong guo shen du shen jing wang lao （Deep Neural Network,DNN）yu xun lian cha yi ju zhen ,shi xian kuai su zi dong de bian hua jie guo tu sheng cheng 。zai shi yan zhong ,gai yan jiu zhu yao zai si chuan 、gui zhou 、yun na 、an xi he an dong de 20ge chong dian tu de bao hu ou kai zhan 。zhe xie de ou you duo chong tu de fu gai lei xing ,bao gua nong tian ,jian zhu ,sen lin deng 。zai zhe xie tu de fu gai lei xing zhong ,zui zhu yao de shi geng de （po du :5°35°）。shu ju yuan zhu yao you xiao xing mo ren ji huo qu de bu tong yan jiu ou yu de 500dui tu xiang zu cheng 。ji yu shu ju yuan ben wen ping gu le xiang guan suan fa ,ji zhong tu xiang pei zhun suan fa yu dang qian 5chong liu hang de suan fa （SIFT,SURF,CPD,GLMDTPS,ZGLCATE）jin hang le bi jiao ,bian hua jian ce suan fa yu dang qian 4chong suan fa （PCAKmeans,SSFA,LEGS,SemiFCM）jin hang le bi jiao ,ben wen de kuang jia suan fa zai da duo shu qing kuang xia jun gei chu le zui hao de jie guo 。
论文参考文献
论文详细介绍
论文作者分别是来自云南师范大学的宋飞，发表于刊物云南师范大学2019-10-16论文，是一篇关于遥感图像论文,变化检测论文,多尺度描述子论文,双约束论文,差异矩阵论文,云南师范大学2019-10-16论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自云南师范大学2019-10-16论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：遥感图像论文; 变化检测论文; 多尺度描述子论文; 双约束论文; 差异矩阵论文; 云南师范大学2019-10-16论文;