论文目录 | |
摘要 | 第1-10页 |
Abstract | 第10-12页 |
第一章 绪论 | 第12-27页 |
1.1 研究背景 | 第12-13页 |
1.2 影像匹配技术及其发展 | 第13-23页 |
1.2.1 单立体影像匹配技术 | 第13-14页 |
1.2.2 多立体影像匹配技术 | 第14-17页 |
1.2.3 基于影像匹配技术的专业应用系统 | 第17-22页 |
1.2.4 影像匹配的难点与现有研究的不足 | 第22-23页 |
1.3 GPU 并行处理技术及其发展 | 第23-25页 |
1.4 研究内容及结构安排 | 第25-27页 |
第二章 多视匹配的基础理论与方法 | 第27-47页 |
2.1 多视匹配模型基础 | 第27-32页 |
2.1.1 基于单立体匹配与融合的多视匹配模型 | 第27-29页 |
2.1.2 基于多立体整体匹配的多视匹配模型 | 第29-32页 |
2.2 引入约束条件的多视匹配方法 | 第32-40页 |
2.2.1 核线与投影辐射线几何约束 | 第33-35页 |
2.2.2 影像灰度与特征相似性约束 | 第35-38页 |
2.2.3 相容性约束 | 第38-40页 |
2.3 多视匹配涉及的坐标系统 | 第40-43页 |
2.3.1 像方坐标系统 | 第40-41页 |
2.3.2 与导航相关的坐标系统 | 第41页 |
2.3.3 物方坐标系统 | 第41-43页 |
2.4 光学传感器成像模型 | 第43-46页 |
2.4.1 航天传感器成像模型 | 第43-45页 |
2.4.2 航空传感器成像模型 | 第45-46页 |
2.5 本章小结 | 第46-47页 |
第三章 多视匹配模型的性能分析与优化方法 | 第47-81页 |
3.1 多视匹配模型性能的对比分析 | 第47-51页 |
3.1.1 左右视差误差对物方空间交会坐标精度的影响 | 第47-48页 |
3.1.2 不同类型多视匹配模型的影像利用效率对比 | 第48-51页 |
3.2 多视匹配方向线的分析与优化 | 第51-59页 |
3.2.2 GC3多视匹配模型及其匹配方向线 | 第51-55页 |
3.2.3 MVLL 多视匹配模型及其匹配方向线 | 第55-58页 |
3.2.4 多视匹配方向线的性能综合 | 第58-59页 |
3.3 多视匹配模型的影像质量分析与立体像对筛选 | 第59-68页 |
3.3.1 影像质量分析与立体像对筛选的必要性 | 第59-60页 |
3.3.2 多视匹配过程的数学描述与立体像对筛选的可行性分析 | 第60-62页 |
3.3.3 基于置信椭圆圆度的影像质量分析与排序 | 第62-65页 |
3.3.4 基于特征点引导的立体像对筛选方案 | 第65-68页 |
3.4 实验分析与结论 | 第68-80页 |
3.4.1 匹配方向线的模拟数据实验与分析 | 第68-70页 |
3.4.2 真实影像数据的实验与分析 | 第70-79页 |
3.4.3 实验结论 | 第79-80页 |
3.5 本章小结 | 第80-81页 |
第四章 多视匹配策略与可靠性优化方法 | 第81-122页 |
4.1 辅助数据的应用方法 | 第81-83页 |
4.1.1 GPS/IMU 定位数据的应用 | 第81-82页 |
4.1.2 影像色彩信息的应用 | 第82-83页 |
4.2 多视匹配策略方法的应用与改进 | 第83-94页 |
4.2.1 多视匹配策略方法及其应用过程 | 第83-86页 |
4.2.2 部分多视匹配策略方法的改进与优化 | 第86-94页 |
4.3 多视匹配策略方法的体系结构与可靠性评价 | 第94-100页 |
4.3.1 多视匹配策略方法的体系结构设计 | 第94-95页 |
4.3.2 多视匹配策略方法体系的可靠性综合评价 | 第95-100页 |
4.4 多视匹配结果的物方空间融合策略 | 第100-104页 |
4.4.1 多视空间前方交会模型 | 第101-102页 |
4.4.2 基于选权迭代的多视空间前方交会解算 | 第102-104页 |
4.5 实验分析与结论 | 第104-121页 |
4.5.1 实验一:局部地形坡度的计算与有效性分析 | 第105-108页 |
4.5.2 实验二:自适应匹配窗口变换方法 | 第108-111页 |
4.5.3 实验三:基于多视匹配约束策略的密集匹配结果分析 | 第111-116页 |
4.5.4 实验四:实验区影像密集多视匹配自动获取 DSM | 第116-120页 |
4.5.5 实验结论 | 第120-121页 |
4.6 本章小结 | 第121-122页 |
第五章 多视最小二乘匹配与精度优化方法 | 第122-145页 |
5.1 多视最小二乘匹配及其精度评定方法 | 第122-129页 |
5.1.1 MPGC 方法的基本原理 | 第122-123页 |
5.1.2 多视最小二乘匹配误差方程式的构建 | 第123-126页 |
5.1.3 误差方程的迭代解算 | 第126-127页 |
5.1.4 多视最小二乘匹配的精度评定 | 第127-129页 |
5.2 多视最小二乘匹配方法的改进 | 第129-136页 |
5.2.1 准核线条件误差方程的构建 | 第129-130页 |
5.2.2 物方多视匹配模型的最小二乘方法 | 第130-132页 |
5.2.3 基于自检校技术的共线条件误差方程的修正 | 第132-135页 |
5.2.4 权值的变化与质量控制方法 | 第135-136页 |
5.3 实验与分析 | 第136-144页 |
5.3.1 实验一:多视最小二乘匹配及其质量控制 | 第136-139页 |
5.3.2 实验二:物方多视匹配模型的多视最小二乘匹配实验 | 第139-142页 |
5.3.3 实验三:准核线约束条件与变权方法的应用 | 第142-144页 |
5.3.4 实验结论 | 第144页 |
5.4 本章小结 | 第144-145页 |
第六章 多视匹配算法的并行实现与速度优化方法 | 第145-172页 |
6.1 多视匹配并行计算平台与技术 | 第145-148页 |
6.1.1 多视匹配并行计算系统架构 | 第145-146页 |
6.1.2 OpenMP 多线程技术 | 第146-147页 |
6.1.3 CUDA 硬件构架 | 第147-148页 |
6.2 多视匹配系统的计算任务分析 | 第148-152页 |
6.2.1 多视匹配系统的总计算任务分析 | 第148-150页 |
6.2.2 多视匹配系统的密集计算任务分析 | 第150-152页 |
6.3 多视匹配系统的并行方案与并行方法 | 第152-160页 |
6.3.1 多视匹配密集计算任务的 CPU 多核并行方案 | 第152-156页 |
6.3.2 多视匹配密集计算任务的 GPU 并行方案 | 第156-160页 |
6.4 实验与分析 | 第160-171页 |
6.4.1 并行计算实验平台 | 第160页 |
6.4.2 实验一:CPU 粗粒度多核并行计算实验与分析 | 第160-166页 |
6.4.3 实验二:GPU 粗粒度并行计算实验与分析 | 第166-170页 |
6.4.4 实验结论 | 第170-171页 |
6.5 本章小结 | 第171-172页 |
第七章 总结与展望 | 第172-175页 |
7.1 总结 | 第172-173页 |
7.2 进一步研究的内容 | 第173-175页 |
参考文献 | 第175-183页 |
作者简历 攻读博士学位期间完成的主要工作 | 第183-185页 |
致谢 | 第185页 |