基于图像块SIFT特征学习的多源遥感图像匹配方法

摘要：

对于多源遥感图像因成像原理、时相差异以及分辨率等因素导致的匹配困难问题,提出了一种基于图像块SIFT特征学习的多源遥感图像匹配方法.首先,通过尺度不变特征变化(scale-invariant feature transform,SIFT)提取图像特征点并截取对应的图像块对;其次,利用多源遥感图像匹配网络(matching nerul network,MNN)学习图像块特征并输出匹配点对,结合快速样本一致性(fast sample consensus,FSC)方法优化匹配结果;最后,计算图像变换矩阵实现多源遥感图像配准.为验证本文方法的有效性,制作了8000对多源遥感图像数据集对M N N进行网络训练,并与FSC-SIFT(fast sample consensus-scale-invariant feature transform)、PSO-SIFT(position scale orientation-scale-invariant feature transform)以及跨模态图像匹配网络Contextdesc进行对比实验,结果表明本文方法在正确匹配点数量、匹配精度等方面具有一定优越性.

关键词：多源遥感图像、图像块匹配、图像配准、特征学习、神经网络

所属期刊栏目：38

分类号：P237(摄影测量学与测绘遥感)

资助基金：云南省科技厅基础研究计划面上项目;云南省科技厅基础研究计划面上项目;广州市科技计划项目

在线出版日期：2023-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：155-162