航空遥感图像配准算法研究

作者： 刘朝霞   来源： 大连海事大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空图像　　图像配准　　配准算法　　特征匹配　　特征描述　　图匹配  

描述： 图像配准是航空遥感领域中重要的图像处理技术,但仍存在着诸多待解决的问题。首先由于航空遥感图像具有动态变化、亮度变化、几何变化大、相似特征多、重叠区域小等特点使得在图像配准过程中存在很多干扰特征。此时

基于Harris和QGA的航空遥感图像配准

作者： 张博   来源： 东北大学 年份： 2016 文献类型 ： 学位论文 关键词： 图像配准　　遥感图像　　Harris算子　　量子计算　　遗传算法  

描述： 近年来,遥感技术在环境监测、国土资源勘探、军事侦察以及考古等许多领域中发挥着越来越重要作用,因而航空遥感图像的配准也就日显重要。然而外界的干扰、传感器的不同物理特性和配准方法都会影响图像配准的实时性

基于Harris和GA的航空遥感海上溢油图像配准

作者： 尹丽华   来源： 大连海事大学 年份： 2016 文献类型 ： 学位论文 关键词： 海上溢油　　   Harris算子　　   特征点匹配   遥感图像　　   图像配准　　  

描述： 点进行了匹配,对特征点匹配的最高精度可达到83.4%。根据匹配后的特征点求出相应的图像投影变换模型,最终实现了对航空遥感海上溢油图像的配准。

LiDAR数据与高清航空影像空间自动配准研究

作者： 胡彦君   来源： 桂林电子科技大学 年份： 2016 文献类型 ： 学位论文 关键词： LiDAR　　影像地理配准　　梯度互信息　　视差互信息　　迭代计算  

描述： 的单目航空影像及基于视差互信息的双目航空影像与Li DAR点云的配准方法,配准过程可分为三个阶段:①利用航空影像内参数及初始外方位元素对LiDAR点云“针孔”模拟成像,生成与航空影像空间分辨率、几何形变

机载LiDAR点云与航空影像自动配准的精度分析

作者： 贾娇   来源： 兰州交通大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空影像　　机载LiDAR点云　　自动配准　　精度分析  

描述： 分析自动配准精度。在对机载LiDAR点云数据和航空影像的自动配准结果进行精度评价的过程中，涉及的重点与创新点包括以下几方面：（1）利用POS和LiDAR数据在物方约束下进行航空影像空三转点；（2）基于

机载LiDAR DSM深度影像与航空影像配准方法研究

作者： 王明山   来源： 西南交通大学 年份： 2016 文献类型 ： 学位论文 关键词： 机载LiDAR　　DSM深度影像　　Canny算子　　滤波　　同名线特征  

描述： LiDAR DSM深度影像的配准方法在异源影像配准领域内具有较强的推广性,因此本文主要针对DSM深度影像和航空影像的配准问题展开研究,具体工作如下：(1)介绍了配准理论及流程,主要包括：配准原理、配准基本问题

基于小波变换的航空涡轮叶片超声波无损检测研究

作者： 江文文   来源： 长春理工大学 年份： 2016 文献类型 ： 学位论文 关键词： 涡轮叶片　　超声相控阵　　无损检测　　小波变换　　时间延迟估计  

描述： 对超声的发射和回波信号的处理,以及对信号进行小波变换处理和人机交互界面的设计。利用小波变换,对相关法时间延迟估计进行改进,抑制噪声和时间窗宽度对时间延迟估计的影响。然后理论分析、仿真均表明了小波变换

基于小波网络的航空相机电源系统测试与通信技术

作者： 张荣   来源： 长春理工大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空相机　　测试技术　　小波网络  

描述： 部件,一旦发生故障,就会导致整台仪器瘫痪。因此,对航空相机电源故障诊断技术的研究十分的重要。本文针对胶片式全景航空相机的电路检测工作原理的基础上,并基于小波网络的分析方法,根据各个节点输出的能量关系,找出

基于网格细化小波聚类的航空发动机转子系统故障诊断

作者： 丁伟明   来源： 南昌航空大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空发动机　　转子系统　　小波聚类　　网格细化　　故障诊断  

描述： 价值,而且对国民经济以及国家安全都有着重要的现实意义。本文将小波聚类算法作为转子系统振动故障诊断方法,在Matlab环境下,对故障诊断准确度即聚类精度进行分析之后,为了能够更加准确地判断出故障类型、提高

基于小波聚类的航空发动机转子系统故障诊断研究

作者： 邓贝贝   来源： 南昌航空大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空发动机　　转子系统　　小波聚类　　故障诊断　　网格  

描述： 系统的故障诊断方法的研究便具有重要的社会和经济效益。由于基于小波分析的聚类分析方法（简称小波聚类算法）具有对数据对象的输入先后顺序不敏感、聚类结果不受噪声影响、可以在不同精度上发现任意形状的类、运行速度快，且不