当前位置:首页 > 专题范文 > 公文范文 >

基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统设计

时间:2023-06-12 11:55:04 来源:网友投稿

王 艋,柳新强,刘 松

(1.杨凌职业技术学院 交通与测绘工程学院,陕西 杨凌 712100;
2.陕西铁路工程职业技术学院 测绘与检测学院,陕西 渭南 710049 ;
3.中国长江三峡集团有限公司 移民工作办公室,成都 610041)

无人机倾斜摄影是一种新兴的影像测量技术[1],通过无人机倾斜摄影所得数据能够准确标记出影像节点的空间位置信息,并可以按照信号波段分配形式的不同,生成多种不同格式的输出数据[2]。多源遥感技术以光学、微波、热红外等多项应用技术为基础,能够利用卫星传感器对地物景观进行观测,并可以根据时相、光谱及分辨率标准的不同,将所得测量信息划分成多个不同的数据存储结构。与单源型遥感影像相比,多源遥感影像能够更加准确地反映出数据特征的变化形式,并可以剔除所得信息中的冗余成分,大大减轻运行主机所承担的数据处理压力[3]。由于无人机飞行器的运动行为并不能保持绝对稳定的状态,故而所得遥感影像在X轴、Y轴、Z轴方向上的残差指标也很难完全处于既定数值标准之内。

为更好应对上述问题,国内专家对此进行深入研究。戴媛[4]等提出基于改进旋转区域生成网络的遥感图像目标检测方法,以Faster R-CNN网络为基础,对待检测遥感图像目标进行标记,根据旋转因子表达式,计算特征图参量的具体数值。该方法检测效率较高,但检测精度较低。徐志京[5]等提出基于快速区域卷积神经网络的检测方法,通过双路网络提取目标特征,利用金字塔网络与目标特征融合,采用改进的损失函数优化网络。该方法可有效提升检测的精度,但检测图像的影像残差的单位增幅较大。

针对上述研究现状,设计基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统。

1.1 C/S架构

多源遥感影像变化检测并行系统沿用传统的C/S架构设计模式,始终以客户端主机作为主体对象,以运行主机作为受体对象(服务器与数据管理体系)。随着无人机倾斜摄影图像的不断累积,客户端主机中待处理数据的瞬时累积量也会不断增大,为避免错误检测行为的出现,客户端主机会将暂存数据信息参量反馈给下级应用设备,从而保障系统运行环境的绝对稳定性[6]。C/S架构组成形式包括分列式、统一式两种类型,具体连接结构如图1、图2所示。

图1 分列式C/S架构

图2 统一式C/S架构

1)分列式C/S架构:一个客户端设备同时对应一个服务器主机和一个数据管理体系,前者负责分析由无人机设备采集到的摄影信息,后者负责对已成型遥感影像检测指令进行整理与调试,并可以从中提取未完全利用的多源遥感影像信息参量,以供客户端主机的二次调取与利用[7]。

2)统一式C/S架构:一个客户端设备只对应一台运行主机,该模式可以调度处于散乱分布状态的多源遥感影像信息参量,并可以帮助数据请求指令在客户端主机与运行主机之间进行往复传输。

1.2 并行运作电路

并行运作电路决定了系统主机对于多源遥感影像变化行为的检测能力。在C/S架构体系中,并行运作电路可以根据三相调压交流电源中电量信号的实时输出水平,对下级U线路、V线路、W线路的接入状态进行调试,一方面使得电压表能够准确监测出三相调压交流电源结构两端的实时电压,另一方面也可以保障X1、X2线圈组织之间电量映射关系的连续稳定性,并最终促进无人机航摄主机能够对多源遥感影像的变化行为进行准确感知[8]。完整的并行运作电路连接形式如图3所示。

图3 并行运作电路的结构简图

在并行运作电路中,X1线圈的内阻数值较高,而X2线圈的内阻数值则相对较低,前者能够承担三相调压交流电源结构输出的所有交流电量信号,并可以根据R1与R2电阻已接入部分的阻值水平,对已输入电量信号进行调制处理[9];
后者只可以被动接受直流状态的电量信号,但因其直接与R1电阻、R2电阻相连,故而为使X2线圈两端的负载电压保持相对稳定的数值状态,要求R1电阻、R2电阻已接入部分阻值不得存在过大的数值差。

1.3 像素点检测主机

在多源遥感影像变化检测并行系统[10]中,像素点检测主机负载于C/S架构的中部位置,可以同时调节并行运作电路、HBase存储结构与遥感影像显示器元件的实时连接状态。当C/S架构处于分列式连接形式时,像素点检测主机需要处理的多源遥感影像信息量相对较小;
而当C/S架构处于统一式连接形式时,像素点检测主机需要处理的多源遥感影像信息量则相对较大[11-12]。在设置像素点检测主机时,各个并行节点之间的作用关系如表1所示。

表1 像素点检测主机中的并行节点作用关系

飞机绕纵轴转动的角度为飞行倾角。为保证像素点检测主机的执行能力,在设置并行节点时,必须将无人机设备在进行摄影时的飞行倾角数值控制在15~135°的区间之内。

1.4 HBase存储结构

与像素点检测主机相比,HBase存储结构在多源遥感影像变化检测并行系统中所处的连接等级更低。在执行并行检测指令的过程中,该元件可以在数据信息存储数据库与遥感影像存储数据库两类应用设备的作用下,对待传输信息参量进行去噪与几何处理,并可以将满足系统主机检测需求的数据信息提取出来,以供遥感影像显示器设备的直接调取与利用[13]。HBase基础存储单元位于HBase存储结构最上端,内部所包含的传输参量包含多源遥感影像信息、无人机航摄影像信息、影像分割标准信息三类。其中,多源遥感影像信息是数据信息存储数据库对于影像噪点参量的几何处理结果;
影像分割标准信息是遥感影像存储数据库对于影像噪点参量的去噪处理结果。HBase存储结构连接模型如图4所示。

图4 HBase存储结构连接模型

在经过HBase存储结构的初步筛选后,无人机多源遥感影像数据的聚合等级得到大幅提升,能够完全满足系统检测指令的实时执行需求[14]。预处理阶层将底层数据库主机与顶层HBase基础存储单元分割开来,故而系统主机在选取影像信息时并不需要考虑数据参量所处的实时存储状态,这也是HBase存储结构应用能力可以长期保持稳定的主要原因。

1.5 遥感影像显示器

为保障无人机倾斜摄影技术的顺利实施,遥感影像显示器结构必须起到承上启下的作用[15],向上获取HBase存储结构中的多源遥感影像变化行为参量,向下则可以对已获取数据信息进行整合处理,并将其反馈给检测并行系统的核心运行主机[16-17]。与其他硬件应用结构相比,遥感影像显示器元件具有多个管脚节点,能够联合系统并行传输信道,更改多源遥感影像变化行为参量的传输形式,并可以借助S级管脚与R级管脚,生成完整的无人机多源遥感影像。遥感影像显示器连接原理如图5所示。

图5 遥感影像显示器连接原理

在遥感影像显示器结构中,各个连接元件的执行作用能力如下:

1)S级显示管脚:负责显示高对比度的多源遥感影像;

2)R级显示管脚:负责显示低对比度的多源遥感影像;

3)M430F管脚:可以根据无人机倾斜摄影技术的实践强度,更改m430f1101设备的显示状态;

4)1101DW管脚:调节S级显示管脚与R级显示管脚之间的实时连接关系;

5)VQFN管脚:控制多源影像信息的传输状态;

6)VCC+管脚:与系统正极输入端节点相连;

7)VDD-管脚:与系统负极输出端节点相连;

8)ESP管脚:ESP1、ESP2作为两个下级附属管脚,负责疏导无人机多源遥感影像变化信息的传输行为。

2.1 联合平差

在无人机倾斜摄影技术的作用下,联合平差描述了真实影像参量与多源遥感影像参量之间的差异性,由于大多数遥感节点都可能出现畸变表现行为,所以联合平差指标的计算数值越大,所选取检测节点与真实影像节点之间的差异化程度也就越大[18]。像方系数是影响联合平差指标计算数值的关键物理参量,在进行求解运算的过程中,为使联合平差指标数值完全符合实际检测需求,必须使其取值结果保持动态变化状态。由于无人机倾斜摄影测量中总是包含大量的非摄影测量信息,故而在选取像方系数时,也要允许一定物理误差值的存在[19]。设a为系统主机选取的多源遥感影像检测参量,ax为x轴方向上的物理分量,ay为y轴方向上的物理分量,az为z轴方向上的物理分量,χ为像方系数。

基于无人机倾斜摄影技术的多源遥感影像联合平差求解表达式为:

(1)

2.2 密集度指标

(2)

给定在同一数据集合内,同时增大并行化赋值指标与检测特征值参量的取值结果,可以实现对密集度指标的准确求解。

2.3 纹理映射

纹理映射是指无人机多源遥感影像变化行为信息在目标曲面上的分布特征,在已知密集度指标取值结果的前提下,可以根据遥感节点与变化行为向量之间的数值映射关系,判断当前求得的纹理映射值结果是否满足实际应用需求[22-23]。由于无人机多源遥感影像变化行为信息向量之间的数值映射关系并不唯一,所以在建立纹理映射表达式时,要求遥感节点并行检测指标的赋值必须时刻保持变化状态。设ε1、ε2、…、εn表示n个不相等的遥感节点并行检测指标赋值结果,且ε1≠ε2≠εn≠1的不等式条件恒成立,δ表示遥感节点与变化行为向量之间数值映射参量的初始取值。

具体的无人机多源遥感影像变化行为信息纹理映射关系求解表达式如下:

(3)

3.1 影像特征提取

在无人机倾斜摄影技术的支持下,可以将多源遥感影像特征提取看作是计算机视觉理论与图像处理思想的重合部分。对于独立的多源遥感影像而言,只有准确掌握影像特征提取结果才可以对并行节点处的影像变化行为进行准确检测,这也是保障系统主机运行能力的必要实践环节[24-25]。设κ1、κ2、…、κn表示n个不同的无人机倾斜摄影遥感影像节点标度值,j1、j2、…、jn表示n个不同的遥感影像并行化标记系数。在上述物理量的支持下,联立公式(3),可将无人机倾斜遥感影像特征提取表达式定义为:

(4)

式中,ν1、ν2、…、νn分别表示与j1、j2、…、jn系数匹配的影像变化行为信息并行检测量差值。对无人机数字影像进行匹配处理时,为使多源遥感影像变化行为得到准确检测,必须严格按照影像特征提取表达式,完成对待测数据信息的查找与分类。

3.2 影像金字塔

影像金字塔思想主张按照无人机倾斜遥感影像变化行为对所得数据信息进行排列,由于大级别检测节点始终存在于小级别检测节点下端,所以重叠起来的并行影像特征点总是呈现出金字塔型表现状态[26]。由于并行影像特征点具有明显的独立性,所以随着无人机倾斜遥感影像变化行为信息累积量的增大,检测节点的层级数量也会不断增大。处于初级状态的影像金字塔只能对一类并行影像特征点进行检测,而处于进阶状态的影像金字塔则可以对多种类型的并行影像特征点进行同步检测[27]。影像金字塔升级形式如图6所示。

图6 影像金字塔升级形式

由图6可知,进阶状态增加了层级数量,相较于初级状态,可同时对多类并行影像特征点进行检测,提升了检测效率。根据无人机倾斜摄影技术的实施原则,对影像金字塔结构的作用能力进行识别,在保障多源遥感影像变化行为信息稳定并行分布状态的同时,实现对数据参量指标的准确检测。

实验数据集为DOTA大型遥感图像数据集,主要用于航拍图像的目标检测。采用UX5型专业航摄无人机为实验无人机,采样频率为1 575 MHz,图像分辨率为640×480PPI,飞机的飞行姿态为横滚roll,飞行高度为80 m。

无人机遥感图像的影像残差是一项全局性指标,由于飞行器设备的行进状态并不能时刻保持稳定,故而该指标在x轴、y轴、z轴方向上都存在一定数值水平的分向量。对于多源遥感影像来说,全局影像残差指标的求解难度较大,因此可以根据该指标在x轴、y轴、z轴方向上数值分量,推断全局指标数值的基本变化规律。具体求解表达式如下:

I=ix·iy·iz

(5)

式中,I为总残差指标数值,ix为x轴上残差指标数值,iy为y轴上残差指标数值,iz为z轴上残差指标数值,三者相乘得到总残差指标数值。无人机遥感图像的影像残差值指标数值,能够反映出系统主机对于多源遥感影像变化特征的检测精确程度。通常情况下,残差值指标的数值水平越低,系统主机对于多源遥感影像变化特征的检测精确程度也就越高;
反之,若残差值指标的数值水平较高,则表示系统主机对于多源遥感影像变化特征的检测精确程度也就相对较低。

本次实验的具体实施流程如下:

步骤1:选择基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统作为实验组应用方法;

步骤2:选择基于改进旋转区域生成网络的检测系统作为对照组应用方法;

步骤3:控制无人机飞行器,使其在遥感观测区域内来回运动,直至像素点检测主机能够显示出清晰的影像,记录影像在各轴数据。

步骤4:记录在实验组、对照组检测系统的作用下,x轴、y轴、z轴方向上遥感图像影像残差指标分量的数值变化情况;

步骤5:对比所得数值结果,总结实验规律;

x轴、y轴、z轴方向上遥感图像影像残差指标分量的具体记录数值如表2所示。

表2 遥感图像的影像残差分量

根据表(1)x轴可知:实验组在x轴方向上的影像残差指标在0.72~0.97之间,对照组在x轴方向上的影像残差指标在0.73~1.01之间。实验组、对照组遥感图像的影像残差分量在x轴方向上的差值水平并不明显,实验组分量呈现出先增大、再稳定的数值变化状态,对照组分量则始终保持连续上升的数值变化状态。

根据表(2)y轴可知:实验组在y轴方向上的影像残差指标在0.85~0.92之间,对照组在x轴方向上的影像残差指标在1.13~1.25之间。实验组遥感图像的影像残差分量在y轴方向上保持来回波动的数值变化状态,其极大值0.92 ppi与极小值0.85 ppi之间的数值差仅为0.07 ppi;
对照组遥感图像的影像残差分量在y轴方向上呈现出先增大、再稳定的数值变化状态,但其整体均值水平明显高于实验组。

根据表(3)z轴可知:实验组在z轴方向上的影像残差指标稳定在1.10,对照组在x轴方向上的影像残差指标在2.21~2.33之间。实验组遥感图像的影像残差分量在z轴方向上始终保持相对稳定的数值状态,其均值水平略高于实验组残差分量在x轴与y轴方向上的平均数值;
对照组遥感图像的影像残差分量在z轴方向上保持先稳定、再不断上升的数值变化状态,其整体均值水平依然明显高于实验组。

以表2中的记录数值为基础,按照公式(5),对实验组、对照组无人机遥感图像的影像残差(I)进行计算,具体数值统计结果如图7所示。

图7 无人机遥感图像的影像残差

分析图7可知,随着航摄区域面积的增大,实验组、对照组I指标都呈现出不断增大的数值变化状态,但明显对照组指标的均值水平更高、单位增幅更大。

综合上述实验研究结果可知:随着基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统的应用,遥感图像的影像残差水平得到了较好控制,在提升多源遥感影像变化特征检测精度方面的应用能力更强。

设计的多源遥感影像变化检测并行系统,联合无人机倾斜摄影技术,确定并行运作电路、像素点检测主机、HBase存储结构等多个硬件应用设备之间的连接行为。又根据联合平差表达式,求取影像节点之间的纹理映射关系。再按照影像特征提取原则,对影像金字塔的作用形式进行完善。随着这种新型系统的应用,无人机遥感图像的影像残差值得到了有效控制,符合提升多源遥感影像变化特征检测精度的实际应用需求。

猜你喜欢参量残差数值基于双向GRU与残差拟合的车辆跟驰建模网络安全与数据管理(2022年3期)2022-05-23数值大小比较“招招鲜”中学生数理化·高一版(2021年11期)2021-09-05基于残差学习的自适应无人机目标跟踪算法北京航空航天大学学报(2020年10期)2020-11-14太阳黑子自动识别与特征参量自动提取空间科学学报(2020年3期)2020-07-24基于双偏振雷达参量的层状云零度层亮带识别研究成都信息工程大学学报(2019年4期)2019-11-04基于递归残差网络的图像超分辨率重建自动化学报(2019年6期)2019-07-23基于Fluent的GTAW数值模拟焊接(2016年2期)2016-02-27基于MATLAB在流体力学中的数值分析哈尔滨师范大学自然科学学报(2015年6期)2015-04-23平稳自相关过程的残差累积和控制图河南科技(2015年8期)2015-03-11环形光的形成与参量的依赖关系物理实验(2015年9期)2015-02-28

推荐访问:无人机 遥感 并行