第1章绪论
1.1课题意义及背景
无人机在早期主要应用在军事领域，它的出现使得瞬息万变的现代战争中交战双方实时了解战场形势，以便于后期军事行动的部署。其技术的发展也同时扩展了民用无人航空器的应用，因而使得无人机与环境测绘学结合发展，衍生出一种新型的遥感测绘方式。因此，对于无人机遥感图像处理技术的研究能够有效的结合现有图像处理与模式识别技术，以此提升该领域理论的应用层次。
近年来，在地理资源探测与自然灾害救险任务中，无人机逐步演化成一种新型的无人飞行器遥感平台(UAV Remote Sensing Platform，与卫星遥感测量和航拍遥感测量相比，无人机遥感测量具有实时性高、成本相对低廉、机动性良好、抗干扰性能优秀、对气候条件要求较低，以及遥感数据质量较高等优势，通过无人机收集遥感数据，可以达到建立遥感探测系统所需要的信息质量要求。
研究者对于遥感图像中关于地理环境的处理与识别一直都是研究者的重点研究方向，相关的遥感图像处理与地理信息系统集成软件也逐渐出现，诸如美国Esri公司地理信息系统软件ArcGIS，它提供了查询、浏览、处理以及编辑和分析地理信息资料等多种服务。但此类系统软件的功能设置更偏向地图后期制作，对于实时地理信息获取、分析的服务功能较少，而在自然灾害救险任务中首要任务就是对地质灾害程度、性质的了解，以便更有效地部署后期救援行动。发生地质灾害后，受灾地区通讯交通等基础设施普遍瘫痪，2008年5月12口四川汉川发生特大地质活动灾害，而直到5月13口外界才通过救援直升机获取到地震区域的受损情况，制定救援方案，5月14口中科院遥感应用研究所紧急救援小组到达受灾地区并派出无人机遥感小队对汉川地区实施遥感探测，通过无人机侦测到的受灾地区信息，救援行动指挥部及时了解到该区域建筑和公路情况，指挥抢修救援公路输送救援部队进入震区，在救援行动中通过空投抢险救灾物资与人员无法满足救援任务的需要，因此更加需要快速了解受灾地区公路路面损毁、断裂及被掩埋的特定信息，及时恢复地面交通能力，才能更好的抢救受灾地区公民与财产，更快的重建受灾城市。如何运用现有的图像处理与模式识别技术进一步的完善无人飞行器遥感平台，发展并运用新理论和技术来发展无人机遥感图像中图像信息处理是本文主要研究课题。
1.2国内外研究现状
遥感是一种采用非接触式探测器对物体特性、外观、形态等性质进行远距离观测的技术方式，主要应用于测绘、地理信息、电力和生态学等领域。早期地理信息遥感图像获取依托于卫星拍摄以及航空拍摄，其图像信息后期提取、识别、分析等基本靠人工操作。近年来，随着人们对图像的目标提取和识别等技术方向的研究更加深入，其应用领域也逐步扩展至遥感图像处理，自适应滤波技术应用于遥感图像降噪与参数调整及目标检测，使用小波变换处理遥感图像压缩、融合，核函数对于改善光谱遥感信息分类的研究。因此，现代图像处理与模式识别技术在遥感图像中的道路识别应用中，体现了及其重要的作用。
1.2.1遥感图像预处理
图像预处理
在使用图像传感器的过程中，由于外界因素诸如大气分层干扰、空气尘埃等气象因素，以及成像传感器内部因素如传感器放大、镜头加工工艺中引入的气泡等，得到的图像数据往往叠加了不确定的干扰，即得到的图像数据携带了噪声，由于噪声会改变原始图像数据，影响后期对图像中物体的识别，因此在对图像进行操作时，首先对图像进行去噪操作是于分必要的。因此，在实现本文针对图像的后期分类与识别前进行包含数字图像去噪的预处理步骤，具有重要的实用意义。
第2章 基于形态学操作......... 14-36
2.1 引言......... 14-17
2.2 遥感数字图像空间......... 17-23
2.2.1 图像噪声.........18-20
2.2.2 空间域图像......... 20-23
2.3 遥感数字图像形态学......... 23-29
2.3.1 基本形态学......... 23-25
2.3.2 灰度图像形态学......... 25-29
2.4 无人机灰度图像预处理......... 29-36
2.4.1 色彩空间简介......... 29-31
2.4.2 无人机图像预处理......... 31-36
第3章 基于证据理论的图像融合......... 36-51
3.1 证据理论......... 36-44
3.1.1 证据理论简介......... 36-38
3.1.2 证据冲突条件下存在......... 38-39
3.1.3 针对冲突证据条件下......... 39-44
3.2 图像像素证据指派......... 44-50
3.2.1 像素点聚类分析......... 45-48
3.2.2 像素点基本概率......... 48-50
3.3 基于改进的证据理论在数据融合过程.........50-51
第4章 图像融合实例......... 51-57
第5章 总结与展望......... 57-58
总结与展望
鉴于无人机机械及相应控制技术在国内外已得到广泛的发展，其相应配套的图像处理技术及目标识别技术口渐成熟，本文写作目的即在于将原始的遥感图像信息进行一定程度上的精简与筛选，在像素级层面达到更为有效的效果，以便后期人们对该地域地理信息得到一个充分、迅速、准确的了解。像素级层面的图像信息往往是对于后期特征层面、策略层面分析的基础，因此，基于此目的，本文提出了一种基于改进的证据理论数据融合算法，在图像形态学基础上，对像素灰度值包含的冗余、不确定性数据进行综合、分析、推导，最终实现对于区域目标的直观描述。
本文主要成果有:
与较为成熟的灰度形态学操作结合，提出了一种新的图像预处理技术，在对区域图像去噪的同时，并简化了相应的图像细节信息，该方式在高、低像素灰度值程度上不同侧重的提供相应信息数据;
参考文献
[1]周德云.军用无人机发展趋势[J].电光与控制.2003,10(1):9-13.
[2]高蛟蛟.高精度无人机遥感地质灾害调查应用研究[D].硕士学位论文，北京交通大学.2010.
[3]龚建华，赵忠明.四川汉川地震应急无人机遥感信息获取与应用[J].城市发展研究.2008,3(15):31-32,42.
[4]李玮，袁运能，朱博勤.自适应方法在遥感图像处理中的应用研究[[J].遥感信息.2006,1:17-20.
[5] L. Bruzzone, D. F. Frieto. An adaptive and semi paramedic and context based approach to unsupervised change detection in multi-temporal remote sensing images[J]. IEEE Trans. Image Fr ocess.2002,11(4) :452-466.
[6]土换生，周坚华，武文斌.小波分析在遥感图像处理中的应用研究[J].遥感信息.2009,1:93-99.
[7]刘伟强，胡静，夏德深.基于核空间的多光谱遥感图像分类方法[J].国土资源遥感.2002,9(3):44-47,57.
[8]Rafael C. Gonzalez, Richard E. Woods.阮秋琦，阮宇智译.数字图像处理(第一版)[M].北京:电了工业出版社，2009.88-91.
[9]张学全，顾晓东，孙耀先.基于自适应空域滤波的图像去块效应算法[J].计算机工程.2009,35 (4) :218-220.
[10]费佩燕，郭宝龙.单小波去噪方法在多小波去噪中的应用研究[[J].信号处理.2004,20(6) :65 8-661,645