联合类别筛选与重排序的交叉视角图像地理定位

摘要：

针对交叉视角图像视角差异大导致地理定位精度较低的问题,本文以孪生网络为基本结构,提出了一种基于相似度学习并联合场景类别筛选与重排序的定位方法.首先,对交叉视角图像进行相似度学习,并根据相似度大小对参考遥感图像进行排序;然后,通过训练SVM分类器获取地面图像与遥感图像的场景类别;最后,基于特征相似度并利用场景类别信息与重排序实现地理定位.试验结果表明,相比传统的基于特征匹配的地理定位方法,本文方法可有效提高交叉视角图像地理定位的精度,且类别筛选与重排序对于地理定位具有有效性.

关键词：卷积神经网络、地理定位、特征相似度、类别筛选、重排序

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;江苏省自然科学基金;江苏省大学生创新训练项目

在线出版日期：2023-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：40-45