一种改进的基于深度学习的遥感影像拼接方法

• 作者: 曾怡 李国庆 雒培磊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络(CNN) 图像配准 十字点集 遥感影像拼接
• 年，卷（期）: 2017,（20）
• 所属期刊栏目: 图形图像处理
• 页码范围: 180-186
• 页数: 7页
• 分类号: TP391
• 字数: 6375字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1702-0105

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国庆	中国科学院遥感与数字地球研究所数据技术部	61	385	10.0	17.0
2	曾怡	北京林业大学信息学院	10	76	4.0	8.0
3	雒培磊	北京林业大学信息学院	1	17	1.0	1.0