具体描述
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 11.1 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
用户评价
这本书的结构安排非常合理，从宏观的背景介绍，到具体的算法细节，再到最终的应用案例，层层递进，引人入胜。作者首先为我们描绘了无人机航空遥感在各个领域的广阔前景，让我看到了这项技术巨大的应用潜力。随后，他将读者引导至核心的图像拼接技术，并深入浅出地讲解了其中的关键环节，包括图像的几何校正、特征点的提取与匹配、全局和局部的几何变换，以及最终的图像融合。我尤其对书中关于“视场角变化”和“光照差异”对拼接效果的影响分析印象深刻。它让我意识到，在现实的遥感数据处理中，并非简单的图像叠加就能完成任务，还需要考虑诸多复杂的因素。书中是否会探讨一些在特殊场景下的拼接技术，例如在河流、湖泊等水体区域，或者是在大面积植被覆盖区域，如何有效地提取特征点并进行准确匹配？这些都是我非常关心的问题。
评分这本书的内容，让我从一个“旁观者”变成了一个“参与者”。作者在讲解图像拼接的各个环节时，都像是手把手地教你如何一步步完成。从最初的图像获取注意事项，到后续的影像预处理，再到核心的图像匹配和融合，每一个环节都涉及到了具体的算法和参数设置。我尤其欣赏书中对不同拼接算法的对比分析，例如，对于基于特征点的匹配方法，作者不仅分析了SIFT、SURF等经典算法的优劣，还介绍了在GPU加速下的性能提升。对于一些新兴的深度学习方法，书中也给出了详细的网络结构和训练策略。更重要的是，书中提供了一些开源代码的链接和示例，这让读者可以快速上手，亲自实践。我甚至可以想象，拿着这本书，对照着代码，在自己的电脑上运行一套图像拼接的流程。这不仅仅是知识的获取，更是一种能力的提升。书中对误差分析和精度评估的详细讲解，也让我对最终拼接结果的可信度有了更深入的认识。
评分这本书的内容，在我看来，更像是一份详实的“技术白皮书”。它没有过多地花哨的辞藻，而是直击问题的核心。从图像预处理的细节，到特征提取的各种方法，再到最后的图像融合，整个流程的逻辑性非常强。我特别喜欢作者在分析不同算法时，不仅仅是简单地列举，而是会深入探讨其背后的数学原理和几何变换。比如，在讲到仿射变换和单应性变换时，作者会详细推导它们之间的关系，以及在不同场景下如何选择更合适的变换模型。书中还穿插了一些关于相机标定和几何校正的内容，这对于理解图像拼接的几何精度至关重要。我注意到书中对一些常用的图像处理库，如OpenCV，以及一些深度学习框架，如TensorFlow和PyTorch，在图像拼接中的应用进行了介绍，这对于读者来说是非常实用的信息。它让我看到了理论与实践相结合的可能性。对于想要深入了解无人机遥感图像拼接技术的研究人员和工程师来说，这本书无疑是一本宝贵的参考资料。
评分这本书的内容，让我对“拼接”二字有了全新的认识。原来，它不仅仅是将两张照片放在一起，而是涉及到复杂的几何变换、数学优化和图像融合技术。作者在书中详细介绍了如何通过寻找图像间的同名点，然后利用数学模型来计算出它们之间的空间关系，并最终将它们“对齐”。我尤其对书中关于“多视图几何”和“Bundle Adjustment”等概念的讲解非常感兴趣，这让我了解到，图像拼接并不仅仅是局部对齐，还需要考虑全局的几何一致性。书中是否会探讨一些关于三维重建与图像拼接相结合的技术？例如，利用拼接好的图像生成三维模型，或者利用三维模型来辅助图像拼接，从而提高精度和鲁棒性？这都是我非常期待的。另外，我也希望书中能对一些常用的图像拼接软件和工具进行介绍，并分析它们在实际应用中的优缺点。
评分这本书的语言风格非常严谨，但又不会过于枯燥。作者在阐述复杂的数学公式和算法原理时，会辅以清晰的图示和生动的比喻，这使得我这样的非专业读者也能理解其中的奥妙。我特别喜欢书中在介绍不同拼接算法时，会详细分析它们的适用场景和局限性。比如，在处理小范围、同质性较高的区域时，基于特征点的方法可能已经足够；而在处理大范围、复杂地形的区域时，可能需要引入更高级的算法，甚至结合三维重建技术。书中对“重叠度”和“基线”等概念的解释，也让我对无人机航拍规划有了更深的认识。它让我明白，并非拍摄的图像越多越好，而是需要根据拼接算法的要求，合理地规划航线和拍摄参数。我非常期待书中能够提供一些关于如何根据具体任务需求，选择最适合的图像拼接技术和参数的指导性建议。
评分这本书的封面设计让我印象深刻，那种低饱和度的蓝色调，配上一个若隐若现的无人机轮廓，有一种科技感又带着几分神秘。我一直对遥感技术很感兴趣，但总觉得它离我们普通人有点远，直到我看到这本书的书名，才意识到无人机在其中扮演着越来越重要的角色。我尤其好奇的是，它在“拼接技术”这个方向上做了哪些深入的研究。遥感图像的获取往往涉及大范围的区域，单一的图像不可能覆盖全部，如何将这些零散的画面天衣无缝地结合在一起，形成一幅完整、准确的地图，这其中一定蕴含着不少技术难点。是基于特征点的匹配？还是更高级的深度学习算法？文中是否会详细介绍这些算法的原理、优缺点，以及在实际应用中可能会遇到的挑战？我非常期待这本书能为我揭示这些谜底，让我对无人机航空遥感有一个更全面、更深入的理解。书中会不会探讨不同类型的无人机，它们的相机参数，以及这些因素如何影响图像拼接的精度？毕竟，不同的飞行高度、拍摄角度、传感器类型，都会对后续的处理流程产生直接或间接的影响。我希望这本书能不仅仅停留在理论层面，更能提供一些实际的案例分析，让我们看到这些技术是如何在解决实际问题中发挥作用的，比如在地理测绘、环境监测、灾害评估等领域。
评分这本书的选题非常契合当下科技发展的热点。随着无人机技术的飞速发展，其在航空遥感领域的应用越来越广泛，而图像拼接作为实现大范围、高精度遥感信息获取的关键环节，其技术研究的价值不言而喻。我一直对无人机在城市规划、农业监测、地质勘探等领域的应用充满好奇，这本书的书名直接点明了核心技术，让我有理由相信它能够提供关于这些应用背后技术支撑的深入解读。我期待书中能够探讨不同场景下，无人机航拍图像拼接所面临的独特挑战，例如在山区复杂地形下的拼接难点，或是城市高层建筑密集区域的遮挡问题，以及如何通过算法的优化来克服这些困难。书中是否会提及一些前沿的拼接技术，比如基于全景图像的拼接，或者是在三维重建基础上的图像融合？这些都是我非常感兴趣的方向。另外，我也希望书中能对不同类型的无人机平台，例如固定翼无人机和多旋翼无人机，在航拍图像质量和拼接效果上可能存在的差异进行分析，并给出相应的技术对策。
评分读完这本书，我最大的感受是作者在技术细节的挖掘上做得相当到位。尤其是在图像拼接算法的阐述部分，从传统的基于特征点的方法，到后来介绍的基于深度学习的端到端模型，每一种方法的原理、实现步骤都讲得非常清晰。举个例子，在讲到SIFT算法时，作者不仅解释了关键点的检测和描述，还详细分析了尺度不变性、旋转不变性等特性是如何实现的，这一点对于理解其鲁棒性至关重要。而对于一些更前沿的算法，比如利用卷积神经网络进行图像对齐和融合，文中也给出了具体的网络结构图和损失函数的设计思路，这让我这样的技术爱好者觉得收获满满。更难得的是，作者并没有止步于理论的介绍，而是通过大量的实验数据和图示，直观地展示了不同算法在实际应用中的表现。不同光照条件、不同重叠率下的拼接效果对比，以及由此带来的精度差异，都得到了详尽的分析。这本书让我认识到，看似简单的“拼接”背后，其实是大量的数学模型、优化算法和工程实现的集合。我尤其关注的是书中关于“相机模型”和“畸变校正”的部分，这是保证拼接精度的基础，作者在这方面的讲解非常严谨，让人觉得踏实。
评分在翻阅这本书之前，我对于无人机航空遥感仅仅停留在“飞起来拍照”的浅层认知。然而，这本书的书名“无人机航空遥感图像拼接技术研究”立刻吸引了我，让我意识到在这“拍照”的背后，隐藏着多么复杂而精密的计算。我尤其好奇的是，当无人机拍摄的图像因为各种原因（比如风力、飞行姿态不稳、地形变化）导致存在偏移、形变时，作者是如何通过“拼接技术”来解决这些问题的。书中会不会深入探讨图像间的重叠区域如何被识别，特征点如何被提取和匹配，以及如何通过优化算法来消除误差，最终生成一张无缝衔接、高保真的遥感影像？我非常期待能够了解到，在这些看似简单的叠加背后，隐藏着多少精妙的数学模型和算法逻辑。书中会不会举例说明，在真实的野外作业中，由于环境因素造成的图像质量不佳，通过先进的拼接技术如何能够修复这些瑕疵，从而获得有价值的地理信息？
评分读完这本书，我感觉自己仿佛经历了一次从“小白”到“半个专家”的蜕变。作者在书中并没有回避技术上的难点，而是迎难而上，深入浅出地为我们讲解。从基本的图像采集到复杂的算法实现，每一个步骤都经过了细致的阐述。我尤其对书中关于“残差分析”和“鲁棒性评估”的部分印象深刻，这让我了解到，即使是再精密的算法，也可能存在误差，而如何有效地评估和控制这些误差，是保证拼接结果质量的关键。书中是否会提及一些关于“实时拼接”的技术？例如，在无人机飞行过程中，能否同步进行图像的拼接，并将结果实时传输回地面站？这对于一些需要快速响应的应用场景，如灾害监测和应急救援，具有重要的意义。此外，我也希望书中能够提供一些关于如何进行图像拼接性能优化的建议，例如硬件加速、并行计算等，以提高处理效率。
评分专业好书籍，推荐购买！
评分正是我需要的图书，相信会给我很大帮助
评分║ ( ● ) ?
评分╚══╝? ?
评分有点论文合集的感觉，讲的并不透彻。无人机遥感发展很快，看来还是要多看论文。
评分║ ( ● ) ?
评分║ ( ● ) ?
评分还未细看，以后再详述
评分很好!很好!很好!很好!很好!
相关图书
![微光机电系统 [Micro-Opto-Electro-Mechanical Systems] pdf epub mobi 电子书 下载](https://pic.tinynews.org/10065729/456d36f0-722b-460c-9e47-e5bf406a2bdb.jpg)
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.idnshop.cc All Rights Reserved. 静思书屋 版权所有