导读:本文包含了航拍图像论文开题报告文献综述及选题提纲参考文献，主要关键词:多尺寸航拍图像定位,全卷积网络,滑动窗口,显着性
航拍图像论文文献综述
潘海侠,徐嘉璐,李锦涛,王赟豪,王华锋[1]（2019）在《基于CNN的多尺寸航拍图像定位方法的研究与实现》一文中研究指出图像定位常用于无人机视觉导航,传统的无人机视觉导航广泛采用景象匹配导航方式,随着计算机技术的不断发展,深度学习技术为视觉导航的实现提供了新途径。以无人机的垂直侦查为背景,将飞行区域的航拍图像划分成大小相同的若干网格,每个网格代表一类区域,用网格图像制作数据集训练卷积神经网络(CNN)。基于AlexNet设计了一种融合显着性特征的全卷积网络模型,有效实现了一个基于CNN的多尺寸输入的滑动窗口分类器,并提出了一种邻域显着性参照定位策略来筛选分类结果,从而实现多尺寸航拍图像的定位。(本文来源于《北京航空航天大学学报》期刊2019年11期）
魏峰[2]（2019）在《基于神经网络的船舶航拍图像融合研究》一文中研究指出航拍图像融合是船舶图像研究领域中的一个重要研究方向,针对当前船舶航拍图像融合过程复杂,计算量大,融合精度低等缺陷,提出了基于神经网络的船舶航拍图像融合方法。首先分析船舶航拍图像融合原理,并对船舶航拍图像进行分解,得到低频和高频的船舶航拍图像分量,然后采用神经网络对船舶航拍图像的高频分量进行处理,并用加权平均法对船舶航拍图像的低频分量进行处理,最后通过逆变换对船舶航拍图像融合,并进行了仿真实验。实验结果表明,神经网络可以获得高精度的船舶航拍图像融合结果,船舶航拍图像融合时间短,相对于其他船舶航拍图像融合方法,神经网络的船舶航拍图像融合结果更胜一筹。(本文来源于《舰船科学技术》期刊2019年20期）
刘洋[3]（2019）在《一种高精度航拍图像目标检测算法研究与实现》一文中研究指出航拍图像目标形态受颜色变化、长宽比变化以及复杂背景的影响大,待检测的目标相对于图片背景来说属于相对的小目标,特征提取不易。传统的图像处理方法检测效果差,通过采用深度学习的方法可以实现对航拍图像的准确检测。文章采用RetinaNet (Resnet+FPN+FCN)的方法成功解决这一难题题,实现了对于航拍图片的精准识别。RetinaNet中采用Focal loss损失函数,通过在原有的CE loss上乘以使易检测目标对模型训练贡献削弱的指数式,从而成功地解决了在目标检测时正负样本区域极不平衡而目标检测loss易被大批量负样本所左右的问题。(本文来源于《中国管理信息化》期刊2019年19期）
陈丁,吉哲[4]（2019）在《基于改进Faster R-CNN的无人机航拍图像目标检测》一文中研究指出无人机航拍图像中目标检测问题要求检测模型具有旋转不变性。针对这一问题,提出改进的Faster R-CNN算法。首先在区域建议网络中采用K-means聚类方法生成适应数据集的预设锚点框,其次在Fast R-CNN网络中引入新的特征提取层,并在模型多任务损失函数中增加旋转约束条件,为后续检测学习旋转不敏感特征。在人工采集的数据集上进行了对比实验,结果表明:在检测速度无明显降低的情况下,改进方法的检测精度提升了1.6%mAP,算法检测性能较优,更能满足实际应用需求。(本文来源于《海洋测绘》期刊2019年05期）
洪汉玉,孙建国,栾琳,王硕,郑新波[5]（2019）在《基于U-net模型的航拍图像去绳带方法》一文中研究指出光启云端号平台是用电缆绳索牵引气囊的,由于空中航拍摄像系统悬挂在气囊下方,摄取的图像不可避免地含有绳带信息,这些绳带信息影响图像质量,所以在场景分析和目标检测中需要剔除。提出一种基于U-net模型的绳带检测算法,引入深度可分离卷积提高计算速度,采用一种带权重的交叉熵作为损失函数,解决类别不均衡带来的收敛不稳定问题,最终的模型能够用较少的样本在较短的时间内,快速准确地检测绳带,利用快速行进修复算法(FMM)对绳带图像进行了修复。实验结果表明:该算法的mIOU达到62.8%,得到了较好的去绳结果。(本文来源于《应用光学》期刊2019年05期）
林志玮,涂伟豪,黄嘉航,丁启禄,周铮雯[6]（2019）在《基于FC-DenseNet的低空航拍光学图像树种识别》一文中研究指出使用低空遥感图像进行图像识别为森林调查和监测提供了新的技术契机。基于无人机低空航拍光学图像,以福建省安溪县崩岗区为研究区,建立FC-Dense Net模型进行树种识别。首先,利用Dense模块提取树种图像特征并增强深层网络信息,透过下采样模块降低图像维度,凸显图像的纹理特征和光谱特征;然后,使用上采样模块还原预测图至原始图像大小,并融合浅层Dense模块信息的丰富特征;最后,采用Softmax分类器实现像素分类,完成树种识别。结果显示,基于低空航拍光学图像,FC-Dense Net模型能够准确区分植被与非植被,定位其空间分布特征,其中,FC-Dense Net-103模型的二分类识别精度为92. 1%,表明FC-Dense Net模型加深网络深度后具有较好的识别效果;将植被与非植被细分为13类,FC-Dense Net-103模型的平均识别正确率达到75. 67%。研究结果表明,基于低空航拍光学图像建立的FC-Dense Net模型具有较高的树种分类精度。由于低空航拍光学图像的成本较低,数据获取费用小,时间周期短,可便于森林资源调查和森林树种检测,为深度学习在树种识别领域的应用提供了新思路。(本文来源于《国土资源遥感》期刊2019年03期）
吴如梦,方挺,李文钦[7]（2019）在《基于SURF特征的无人机航拍图像拼接方法》一文中研究指出设计了一种基于SURF特征的无人机航拍图像拼接方法。该方法首先对无人机航拍得到的图片进行预处理,利用几何校正和辐射校正方法对原始图像进行校正,为后续图像的拼接工作做准备;其次,根据无人机飞行高度、速度以及搭载相机参数信息,使用加速鲁棒性的SURF算法对预处理后的图像进行特征检测;再次,利用无人机飞行状态参数等信息对无人机航拍图像配准算法进行研究和改进,使后续图像拼接结果更加准确可靠;最后,采用一种改进的加权平均融合算法对图像进行拼接。此方法不但可以降低图像融合难度,而且可以消除在拼接过程出现的接缝,生成高清晰、平滑过渡的全景图像。(本文来源于《现代制造技术与装备》期刊2019年08期）
卢安毅,贾玉安[8]（2019）在《基于无人机航拍的矿山地质测绘图像分辨率系统研究》一文中研究指出针对传统的矿山地质测绘图像分辨率低的情况,提出基于无人机航拍的矿山地质测绘图像分辨率系统谁设计。通过图像采集模块设计,对测绘到的矿山地质图像实时采集,并且对图像存储模块设计,提高矿山地质测绘图像分辨率系统的存储容量。此次设计的矿山地质测绘图像分辨率系统比传统系统的分辨率高,能够有效降低分辨率图像有效处理,具有一定的实际应用意义。(本文来源于《世界有色金属》期刊2019年11期）
赵浩程,雷俊峰,王先培,赵乐,田猛[9]（2019）在《背景复杂下航拍图像的电力线识别算法》一文中研究指出如何从具有复杂背景的无人机航拍图像中完整准确地识别出电力线已成为电力线无人巡检的关键问题之一。本文通过分析航拍图像中电力线的特征,提出了一种复杂背景下电力线检测和识别的新算法。首先对原始图像进行直方图均衡化处理,改善图像的对比度;然后使用由LoG算子改进的边缘绘图-参数自由(EDPF)算法对航拍图像进行边缘检测,滤除背景噪声,并检测出电力线边缘;最后利用Radon变换和先验知识完整提取出图像中的电力线。试验结果表明,本文方法比传统的Canny算子与Hough变换的结合方法、LSD算法的识别准确率更高,识别效果更完整,稳健性更好。(本文来源于《测绘通报》期刊2019年07期）
黄皓[10]（2019）在《基于无人机航拍图像的关键目标点间距测量研究》一文中研究指出为了解决以往测距方法受到噪声影响而导致测量结果精准度低的问题,提出了基于无人机航拍图像的关键目标点间距测量研究;依据无人机航拍图像上下行链路测距原理,设计测量方案实现流程;利用叁轴机光电经纬仪获取关键目标点方位角和高低角,采用灰度信息匹配方法匹配图像,标记参考点;根据参考点生成特征描述子,通过局部自相关函数曲率对多维特征描述子进行分类,并对像素点进行检测,以此提取特征点,通过无人机上下行链路获取的图像信息进行间距测量计算;经过图像坐标变换、重采样、图像增强、图像平滑步骤完成误差修正,实现去燥目的;在地空链路有线测试平台上进行数值分析,由结果可知,基于无人机航拍图像测距结果更为精准,有效提高了在复杂地理环境下方法测量精度。(本文来源于《计算机测量与控制》期刊2019年07期）
航拍图像论文开题报告
（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：
航拍图像融合是船舶图像研究领域中的一个重要研究方向,针对当前船舶航拍图像融合过程复杂,计算量大,融合精度低等缺陷,提出了基于神经网络的船舶航拍图像融合方法。首先分析船舶航拍图像融合原理,并对船舶航拍图像进行分解,得到低频和高频的船舶航拍图像分量,然后采用神经网络对船舶航拍图像的高频分量进行处理,并用加权平均法对船舶航拍图像的低频分量进行处理,最后通过逆变换对船舶航拍图像融合,并进行了仿真实验。实验结果表明,神经网络可以获得高精度的船舶航拍图像融合结果,船舶航拍图像融合时间短,相对于其他船舶航拍图像融合方法,神经网络的船舶航拍图像融合结果更胜一筹。
（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。
航拍图像论文参考文献
[1].潘海侠,徐嘉璐,李锦涛,王赟豪,王华锋.基于CNN的多尺寸航拍图像定位方法的研究与实现[J].北京航空航天大学学报.2019
[2].魏峰.基于神经网络的船舶航拍图像融合研究[J].舰船科学技术.2019
[3].刘洋.一种高精度航拍图像目标检测算法研究与实现[J].中国管理信息化.2019
[4].陈丁,吉哲.基于改进FasterR-CNN的无人机航拍图像目标检测[J].海洋测绘.2019
[5].洪汉玉,孙建国,栾琳,王硕,郑新波.基于U-net模型的航拍图像去绳带方法[J].应用光学.2019
[6].林志玮,涂伟豪,黄嘉航,丁启禄,周铮雯.基于FC-DenseNet的低空航拍光学图像树种识别[J].国土资源遥感.2019
[7].吴如梦,方挺,李文钦.基于SURF特征的无人机航拍图像拼接方法[J].现代制造技术与装备.2019
[8].卢安毅,贾玉安.基于无人机航拍的矿山地质测绘图像分辨率系统研究[J].世界有色金属.2019
[9].赵浩程,雷俊峰,王先培,赵乐,田猛.背景复杂下航拍图像的电力线识别算法[J].测绘通报.2019
[10].黄皓.基于无人机航拍图像的关键目标点间距测量研究[J].计算机测量与控制.2019