資源描述：
《基于無人機高分影像的空心村建筑物信息獲取關(guān)鍵技術(shù)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、國內(nèi)圖書分類號：P231密級：公開國際圖書分類號：西南交通大學研究生學位論文基于無人機高分影像的空心村建筑物信息獲取關(guān)鍵技術(shù)研究年級二〇一四級姓名李政申請學位級別工學博士專業(yè)測繪科學與技術(shù)指導教師李永樹教授二零一八年四月ClassifiedIndex：P231U.D.C：SouthwestJiaotongUniversityDoctorDegreeDissertationResearchonKeyMethodsforBuildingInformationAcquisitionofHollowVillageBasedonHigh-resolut
2、ionImageGrade：Doctor2014Candidate：LIZhengAcademicDegreeAppliedfor：DoctorSpeciality：PhotogrammetryandRemoteSensingSupervisor：ProfessorLIYongshuApril.2018通攝是更使爵攘13，iJ,,、··,，：.廬咆--氣＋r：人一飛主γ巳竅；；'7!}{二毛fE.J二23西南交通大學博士學位論文創(chuàng)新性聲明本人鄭重聲明：所呈交的學位論文，是在導師指導下獨立進行研究工作所得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本
3、論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻的個人和集體，均已在文中作了明確的說明。本人完全意識到本聲明的法律結(jié)果由本人承擔。本學位論文的主要創(chuàng)新點如下：1、針對無人機自帶的姿態(tài)參數(shù)數(shù)據(jù)精度不高、原始影像外方位元素不夠準確且難以估算等問題，提出了一種基于線性變換的非迭代算法求解無人機外方位角元素的方法，實現(xiàn)了對POS數(shù)據(jù)的修正。針對傳統(tǒng)遙感影像配準中參考控制點存在誤差的問題，提出了一種基于加權(quán)整體最小二乘(WTLS)的無人機影像配準方法，提高了圖像配準精度。2、針對傳統(tǒng)目視解譯效率低工作量大等問題，本文基于無人
4、機高分影像構(gòu)建了空心村建筑物樣本庫，引入卷積神經(jīng)網(wǎng)絡(luò)和遷移學習方法構(gòu)建了空心村建筑物解譯模型。實驗表明本文所提模型的分類準確度可以達到90%以上，能夠?qū)崿F(xiàn)空心村建筑物的準確、高效解譯。3、提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的無人機高分影像空心村建筑物檢測方法。該方法首先利用顯著性檢測獲取主要目標，減弱其他無關(guān)目標的影響，降低數(shù)據(jù)冗余，然后結(jié)合卷積神經(jīng)網(wǎng)絡(luò)學習高層次的空心村建筑物特征，最后利用滑動窗口進行分類，實現(xiàn)了小范圍無人機高分影像的空心村建筑物檢測，整體檢測準確率達到81%。4、針對已標注的空心村建筑物樣本數(shù)據(jù)量有限等問題，引入遷移學習機制將已有
5、數(shù)據(jù)集訓練過程中得到的神經(jīng)網(wǎng)絡(luò)參數(shù)遷移到大范圍空心村建筑物解譯模型構(gòu)建中。借助遷移學習方法對卷積神經(jīng)網(wǎng)絡(luò)參數(shù)調(diào)優(yōu)，利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建的建筑物解譯模型，結(jié)合面向?qū)ο蠓指罴夹g(shù)對空心村高分影像進行分割，使用滑動窗口對分割區(qū)域進行檢測分類，對分類結(jié)果進行標記，實現(xiàn)了復雜場景下大范圍空心村建筑物的檢測。學位論文作者簽名：日期：'7!}{二毛西南交通大學博士研究生學位論文第I頁摘要近年來，隨著城鎮(zhèn)化的快速發(fā)展，近郊區(qū)農(nóng)村人口、資金等要素逐漸由農(nóng)村轉(zhuǎn)移到城市，導致農(nóng)村出現(xiàn)大量閑置、廢棄建筑物，農(nóng)村聚落由“空心化”現(xiàn)象逐漸演化成較大范圍的空心村?？招拇宓某?/p>
6、現(xiàn)造成了土地資源的嚴重浪費，制約了農(nóng)村居住環(huán)境的改善，阻礙了農(nóng)村經(jīng)濟的持續(xù)發(fā)展。對空心村進行整治研究是中國城鄉(xiāng)轉(zhuǎn)型期推進新農(nóng)村建設(shè)和全面建設(shè)小康社會的關(guān)鍵問題之一，并且利用無人機遙感技術(shù)快速獲取空心村建筑物信息對于空心村科學整治工作具有重要的促進作用。本文針對現(xiàn)有空心村建筑物外業(yè)采集易受天氣影響、容易漏測，內(nèi)業(yè)目視解譯效率低、工作量大等問題，引入深度學習方法和無人機遙感等技術(shù)對空心村建筑物信息獲取的關(guān)鍵技術(shù)進行了深入研究。首先對無人機高分辨率遙感影像(UnmannedAerialVehicleHigh-resolutionRemoteSens
7、ingImagery，簡稱無人機高分影像)的預處理進行了研究，為空心村建筑物的檢測與信息獲取提供了基礎(chǔ)影像數(shù)據(jù)；其次對多種建筑物解譯模型進行了分析，選取了卷積神經(jīng)網(wǎng)絡(luò)與遷移學習方法構(gòu)建了空心村建筑物解譯模型。然后基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建的解譯模型結(jié)合顯著性分析方法實現(xiàn)了小范圍空心村建筑物檢測，基于遷移學習方法構(gòu)建的解譯模型結(jié)合多尺度分割技術(shù)實現(xiàn)了較大范圍空心村建筑物檢測。最后利用本文提出的建筑物檢測方法，結(jié)合無人機遙感和移動GIS等技術(shù)，初步集成了一套空心村建筑物信息調(diào)查系統(tǒng)。本論文的主要研究工作及創(chuàng)新性成果有以下幾個方面：1、針對無人機自帶的姿
8、態(tài)參數(shù)(POS)數(shù)據(jù)精度不高、原始影像外方位元素不夠準確且難以估算等問題，提出了一種基于線性變換的非迭代算法求解無人機外方位角元素的方法。該方法無需進行最小二乘迭代
