小型無(wú)人機(jī)航空遙感系統(tǒng)及其影像處理研究.pdf

1、目前，我國(guó)正處于社會(huì)經(jīng)濟(jì)高速發(fā)展時(shí)期，對(duì)農(nóng)業(yè)、資源、環(huán)境、減災(zāi)、測(cè)繪和大型基礎(chǔ)設(shè)施建設(shè)的監(jiān)測(cè)精度要求大幅提高，因此，利用高光譜分辨率的遙感影像研究完成對(duì)地表的監(jiān)測(cè)將起到至關(guān)重要的作用。自20世紀(jì)80年以來(lái)，高光譜遙感技術(shù)一直是地球觀測(cè)技術(shù)的熱門領(lǐng)域，它是一門基于光譜學(xué)原理通過(guò)結(jié)合大量電磁波窄波段獲取感興趣物體信息的科學(xué)。然而，傳統(tǒng)的高光譜遙感影像多采用衛(wèi)星進(jìn)行拍攝，所獲取影像存在信息時(shí)效性較弱，周期比較長(zhǎng)，光譜分辨率低以及容易受到天氣條

2、件影響等問(wèn)題。
　　近年來(lái)，隨著自動(dòng)控制技術(shù)、計(jì)算機(jī)技術(shù)以及傳感器技術(shù)的快速發(fā)展，無(wú)人機(jī)航空技術(shù)得到飛速發(fā)展，其所承擔(dān)的任務(wù)已從試驗(yàn)靶機(jī)轉(zhuǎn)變?yōu)榭罩袀刹?，?yīng)用范圍也逐步由軍事領(lǐng)域擴(kuò)展至民用領(lǐng)域。與傳統(tǒng)的航空航天遙感技術(shù)相比，無(wú)人機(jī)高光譜遙感具有研制成本低、研制周期短、運(yùn)行成本低等優(yōu)勢(shì)。由此可見(jiàn)，無(wú)人機(jī)航空技術(shù)的成熟為獲取高光譜分辨率和高時(shí)效的遙感影像提供了有力支持，采用無(wú)人機(jī)獲取高光譜遙感影像為國(guó)民經(jīng)濟(jì)建設(shè)服務(wù)必將成為未來(lái)高光譜遙感

3、獲取技術(shù)的發(fā)展趨勢(shì)。
　　在無(wú)人機(jī)高光譜遙感系統(tǒng)中，主要包含無(wú)人機(jī)飛行控制系統(tǒng)的設(shè)計(jì)以及在后續(xù)的高光譜遙感影像處理中特征提取等問(wèn)題，而無(wú)人機(jī)飛行控制系統(tǒng)的核心技術(shù)是導(dǎo)航系統(tǒng)。因此，本文從導(dǎo)航系統(tǒng)設(shè)計(jì)和高光譜遙感影像特征提取算法兩方面開展研究工作：
　?、偬岢鲆环N無(wú)人機(jī)的非線性導(dǎo)航尋跡控制方法，其特征在于，通過(guò)GPS模塊實(shí)時(shí)地獲取當(dāng)前無(wú)人機(jī)的地理位置和飛行方向，并以固定的導(dǎo)航控制周期執(zhí)行導(dǎo)航尋跡控制；每當(dāng)導(dǎo)航控制周期到達(dá)時(shí)，執(zhí)

4、行導(dǎo)航尋跡控制。針對(duì)不同的情況，通過(guò)設(shè)定的航線和當(dāng)前無(wú)人機(jī)的地理位置算出導(dǎo)航角，當(dāng)無(wú)人機(jī)遠(yuǎn)離設(shè)定的航線時(shí)，飛行與航線任務(wù)夾角比較大，導(dǎo)致對(duì)應(yīng)的向心加速度或橫向加速度的值比較大，于是就會(huì)產(chǎn)生一個(gè)較大的導(dǎo)航角，使無(wú)人機(jī)快速逼近航線。反之，無(wú)人機(jī)將以較小的導(dǎo)航角去逼近航線。利用該非線性導(dǎo)航尋跡控制方法，使得無(wú)人機(jī)即使在執(zhí)行復(fù)雜的飛行任務(wù)時(shí)，也能根據(jù)具體的飛行狀態(tài)改變導(dǎo)航角?的計(jì)算方法，使得得到的導(dǎo)航角?更準(zhǔn)確。導(dǎo)航算法參數(shù)和可以根據(jù)無(wú)人機(jī)的飛

5、行速度動(dòng)態(tài)地進(jìn)行調(diào)整。通過(guò)自主設(shè)計(jì)的無(wú)人機(jī)飛行控制系統(tǒng)平臺(tái)進(jìn)行實(shí)驗(yàn)，結(jié)果表明：本文提出的非線性導(dǎo)航尋跡算法能夠滿足工程實(shí)際的需要。
　　②在高光譜遙感影像的后續(xù)處理中，為了有效利用已標(biāo)記與未標(biāo)記樣本提高高光譜遙感影像分類精度，提出一種新的半監(jiān)督流形學(xué)習(xí)方法——半監(jiān)督稀疏鑒別嵌入算法(SSDE)。該算法結(jié)合了近鄰流形結(jié)構(gòu)及稀疏性的優(yōu)點(diǎn)，不僅保留樣本間的稀疏重構(gòu)關(guān)系，而且通過(guò)引入少量有標(biāo)記的訓(xùn)練樣本以及大量無(wú)標(biāo)記訓(xùn)練樣本來(lái)獲得數(shù)據(jù)的內(nèi)

6、在流形結(jié)構(gòu)，實(shí)現(xiàn)鑒別特征提取，提高分類精度。在Washington DC Mall和Indian Pine數(shù)據(jù)集上的分類識(shí)別實(shí)驗(yàn)表明，該算法能夠較為有效地發(fā)現(xiàn)高維空間中數(shù)據(jù)的內(nèi)蘊(yùn)結(jié)構(gòu)，SSDE算法比其他算法的分類性能有明顯的提升，在隨機(jī)選取8個(gè)有類別標(biāo)簽的訓(xùn)練樣本情況下，SSDE算法在Indian Pine和Washington DC Mall數(shù)據(jù)集上分類精度分別達(dá)到了77.36％和97.85%。
　　本文針對(duì)小型無(wú)人機(jī)高光譜遙感