基于残差网络的遥感图像配准算法研究

作     者：张文成 

作者单位：上海应用技术大学 

学位级别：硕士

导师姓名：陈颖

授予年度：2023年

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

主      题：遥感图像配准 残差网络 特征提取 特征匹配 

摘      要：遥感图像是指通过各种成像系统(如航空、卫星)获取的具有一定目标特性的图像。遥感图像配准技术是指对于不同拍摄时期、不同拍摄角度,采用相同或不同的遥感设备在同一场景下获取的两张或多张遥感图像进行几何校准的过程,是遥感图像处理中不可或缺的一部分,在城市变化检测、地质灾害监测、环境监测、地理测绘和探测制导等大型遥感检测系统中起着至关重要的作用。由于传统的遥感图像配准技术难以精确捕捉到遥感图像复杂的几何特征,并且人工成本过高,缺乏自学习能力,用于遥感图像配准任务中所取得的性能远比不上自然图像处理任务。本文提出两种基于深度神经网络的配准算法来提高遥感图像配准的精度,增强配准模型在各个领域中的鲁棒性,主要包括以下两个方面:1.本文针对遥感图像的复杂拍摄环境而导致的特征提取缺少关键信息,并且配准精度不高的问题,提出了基于非对称卷积的密集残差网络的遥感图像配准算法。在本文算法中,采用34层的残差网络结构来进行特征提取,并利用非对称卷积和密集连接对其进行改进,同时关注图像局部和全局信息;匹配阶段通过双向匹配来解决单向匹配不对称的问题。本文还针对变换参数估计不准确的问题提出了二次仿射变换,来获得更能表示两张图像之间实际变换的参数,提高了配准精度。2.本文针对现有图像配准框架中特征描述符复杂、特征匹配阶段不变映射函数学习困难等导致的配准精度低等问题,提出基于图像块三阶段匹配的遥感图像配准算法,来解决图像下采样可能造成的图像失真现象。首先,以Shi＿Tomasi算法提取到的特征点为中心裁剪图像块;并在图像块匹配阶段提出三阶段匹配算法,分别对图像块进行一对多匹配、一对一匹配和图像块畸变补偿,来找到图像块之间的精确匹配,消除图像块之间的几何变形。最后采用贪心算法均匀化特征点分布后估计全局仿射变换参数完成配准。在实验中,应用了多个遥感数据集来与当前几种热门方法进行对比分析,包括经典的传统算法和深度学习算法。实验结果表明,由本文算法得到的配准图像效果较好,在配准时间和配准精度上都得到了提升,并且解决了特征描述符复杂、特征匹配阶段不变映射函数学习困难等导致的配准精度低等问题。