欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020100898814
申请人: 西南交通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种无人机高分辨率影像对山岳冰川运动消融的提取方法,其特征在于,包括以下步骤:S1、利用无人机高分辩率影像构建高斯金字塔的分层影像;

S2、在每一层的高斯金字塔影像中建立能准确追踪影像特征的控制方式;

S3、根据所述控制方式建立仿射变换模型,并根据仿射变换模型确定影像的几何变形参数以及建立坐标间的关系;

S4、利用双线性内插法对无人机高分辩率影像进行重采样,并对重采样的影像进行辐射畸变改正,确定辐射畸变参数;

S5、利用相关系数法对几何变形参数与辐射畸变后的待匹配影像进行相关性分析,并判断相关性分析结果是否大于预设的阈值,若是,则得到最优匹配影像,从而完成对山岳冰川运动消融的提取,否则,进入步骤S6;

S6、根据所述坐标间关系的误差方程计算得到几何变形参数和辐射畸变参数的改正值;

S7、根据所述几何变形参数和辐射畸变参数的改正值,计算得到改正后的几何变形参数和辐射畸变参数,并根据改正后的几何变形参数和辐射畸变参数,利用最小二乘法对坐标间的关系进行改正,并返回步骤S3。

2.根据权利要求1所述的无人机高分辨率影像对山岳冰川运动消融的提取方法,其特征在于,所述步骤S1包括以下步骤:S101、设无人机高分辩率原始影像为G0,并将其作为高斯金字塔的底层;

S102、将高斯金字塔的L-1层影像和具有低通特性的窗口函数w(m,n)进行卷积操作,并将卷积的结果进行隔行隔列的降采样处理,构建高斯金字塔的第L层影像GL;

S103、由无人机高分辩率原始影像G0到高斯金字塔的第L层的影像GL组成高斯金字塔的分层影像。

3.根据权利要求2所述的无人机高分辨率影像对山岳冰川运动消融的提取方法,其特征在于,所述步骤S102中组成高斯金字塔的第L层影像GL的表达式如下:

0

其中,i和j为影像中的像素位置,m和n均为矩阵的行列号,N为高斯金字塔的分解层数,CL为第L层影像的列数,RL为第L层影像的行数,w(·)为权函数或生成核。

4.根据权利要求1所述的无人机高分辨率影像对山岳冰川运动消融的提取方法,其特征在于,所述步骤S5中相关系数ρ(p,q)的表达式如下:其中,C(p,q)为p,q的协方差,p,q为待匹配影像搜索区域相对于模板影像的位移行、列参数,Cgg为g(x,y)的方差,Cg′g′(p,q)为g′(x′,y′)的方差,g(x,y)为输入模板影像,g′(x′,y′)为待匹配影像搜索区域,g′(x+p,y+q)为待匹配影像搜索区域相对于模板影像的位置,E为数学期望, 为二重积分。

5.根据权利要求1所述的无人机高分辨率影像对山岳冰川运动消融的提取方法,其特征在于,所述步骤S6中坐标间关系的误差方程式 为:lk(x,y)=g0(x,y)-gk(x,y)

其中,Ck为误差系数矩阵,Xk为改正值矩阵,lk(x,y)为残差,g0(x,y)为输入模板影像,gk(x,y)为待匹配的影像, 和 均为灰度函数g2在x方向和y方向上的导数,a0k,a1k,a2k,b0k,b1k,b2k均为几何变形参数,da0k,da1k,da2k,db0k,db1k,db2k为几何变形参数的改正值,i和j为影像中的像素位置,k为待匹配的影像编号。

6.根据权利要求1所述的无人机高分辨率影像对山岳冰川运动消融的提取方法,其特征在于,所述步骤S7中改正后的几何变形参数和辐射畸变参数的表达式如下:其中,h0,h1均为改正后的辐射畸变参数,a0,a1,a2,b0,b1,b2均为改正后的几何变形参数,dh0,dh1均为辐射畸变参数的改正值,da0,da1,da2,db0,db1,db2为几何变形参数的改正值,上标K为迭代次数。

7.根据权利要求1所述的无人机高分辨率影像对山岳冰川运动消融的提取方法,其特征在于,所述步骤S7中改正后坐标间的关系的表达式如下:其中,x2,y2为改正后的坐标, 均为改正后的辐射畸变参数, 均为改正后的几何变形参数值。