基于图像块SIFT特征学习的多源遥感图像匹配方法
Multi-source Remote Sensing Image Matching Method Combined with SIFT and Image Patch Feature Learning作者机构:昆明理工大学国土资源工程学院昆明650000 广东第二师范学院计算机学院广州510303
出 版 物:《遥感信息》 (Remote Sensing Information)
年 卷 期:2023年第38卷第1期
页 面:155-162页
核心收录:
学科分类:08[工学] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感]
基 金:云南省科技厅基础研究计划面上项目(202101AT070102、202101BE070001-037) 广州市科技计划项目(201804010280)。
主 题:多源遥感图像 图像块匹配 图像配准 特征学习 神经网络
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MNN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。