基于深度学习特征提取的遥感影像配准

作     者：许东丽 胡忠正 XU Dongli;HU Zhongzheng

作者机构：中国地质大学(北京)北京100083 中国资源卫星应用中心北京100094 

出 版 物：《航天返回与遥感》 (Spacecraft Recovery & Remote Sensing)

年 卷 期：2019年第40卷第6期

页      码：107-118页

摘      要：传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。

主 题 词：数据驱动 深度神经网络 随机选择 特征提取 影像配准 卫星遥感 

学科分类：0810[工学-土木类] 08[工学] 081002[081002] 

核心收录：

D　O　I：10.3969/j.issn.1009-8518.2019.06.013

馆 藏 号：203878723...