一种改进的基于深度学习的遥感影像拼接方法

摘要：

针对遥感影像拼接的两个主要过程:图像配准和点变换,分别进行了深入研究.对遥感影像拼接中的特征点匹配问题,提出了一种利用分层卷积特征进行图像配准的方法.该方法利用卷积神经网络(Convolutional Neu-ral Networks,CNN)自适应地提取特征点的分层卷积特征,通过相关滤波器(Correlation Filter,CF)对不同深度的卷积特征逐层进行相关性分析,进而综合计算特征点的位置.然后对传统的点变换方法进行简化,提出十字点集变换方法.根据配准的特征点计算变换参数,实现遥感影像的拼接.实验结果表明,该方法与传统的基于SIFT(Scale Invariant Feature Transform)的拼接方法相比,精度较高且具有较好的鲁棒性.

关键词：卷积神经网络(CNN)、图像配准、十字点集、遥感影像拼接

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：海南省重大科技计划项目ZDKJ2016021;国家重点研发计划2016YFB0501504;DBAR中科院"一带一路"专项项目;北京市自然科学基金6164038

在线出版日期：2017-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：180-186