卷积神经网络特征在遥感图像配准中的应用

• 作者: 叶发茂 罗威 肖慧 苏燕飞 赵旭青 闵卫东
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 卷积神经网络 遥感图像配准 聚合卷积特征 尺度不变特征变换(SIFT)
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 技术方法
• 页码范围: 32-37
• 页数: 6页
• 分类号: TP79
• 字数: 4537字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2019.02.05

摘要

遥感图像配准是许多遥感应用的重要步骤之一.卷积神经网络(convolutional neural network,CNN)提取的图像高层特征在图像分类和检索问题上表现优异,能够克服低层配准特征的表达能力有限、容易受到干扰等问题.因此对利用CNN特征进行遥感图像配准开展研究.首先,针对遥感图像配准问题,对CNN中的全连接层特征和不同聚合大小的卷积层特征进行了研究;然后,对利用CNN特征进行图像配准的方法进行了分析;最后,将CNN特征与尺度不变特征变换(scale-invariant feature transform,SIFT)特征在图像的旋转角度、缩放倍数和亮度依次变换时的配准性能进行了对比分析.实验结果表明,在匹配精度和正确对应点的数量方面,CNN特征比SIFT方法具有更好的匹配性能;对变换后的图像而言,微调后的CNN特征比SIFT特征具有更强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶发茂	南昌大学信息工程学院	21	134	7.0	11.0
2	罗威	南昌大学信息工程学院	7	23	2.0	4.0
3	肖慧	南昌大学信息工程学院	4	5	2.0	2.0
4	闵卫东	南昌大学信息工程学院	13	69	4.0	8.0
5	苏燕飞	南昌大学信息工程学院	1	1	1.0	1.0
6	赵旭青	南昌大学信息工程学院	3	3	1.0	1.0