基于多尺度感受野的多时相遥感图像配准方法及系统技术方案

本发明专利技术提供一种基于多尺度感受野的多时相遥感图像配准方法及系统，包括：获取多组多时相遥感图像，并对各多时相遥感图像根据预定方式进行处理，得到样本训练集；基于小感受野特征网络和大感受野特征网络构建卷积神经网络模型，并对卷积神经网络模型进行训练；基于训练后的卷积神经网络模型获取源图像的图像块的小感受野特征向量及目标图像的小感受野特征张量，构建小感受野特征距离图；基于小感受野特征距离图确定目标图像的小感受野特征张量上的与小感受野特征向量相似度最高的向量，并生成关键点匹配对；保留正确的关键点匹配对，根据正确的关键点匹配对计算源图像与目标图像之间的空间变换关系参数，基于空间变换关系参数进行图像配准。关系参数进行图像配准。关系参数进行图像配准。

【技术实现步骤摘要】
基于多尺度感受野的多时相遥感图像配准方法及系统


[0001]本专利技术涉及图像处理
，尤其涉及一种基于多尺度感受野的多时相遥感图像配 准方法及系统。

技术介绍

[0002]IR(Image Registration，图像配准)是将两幅相互之间存在一定空间变换关系的图像 在同一坐标系下进行校准的过程。换句话说，每一幅图像中的空间位置对应的点在经过配 准过程之后，其空间坐标应保持一致。对于相同地理区域的遥感图像，由于传感器、拍摄 视角以及拍摄时间的不同，遥感图像配准又可以分为多模态、多视角以及多时相配准。根 据以上三类遥感图像配准任务各自的特点，其技术路线又有所不同。其中多时相遥感图像 配准，由于不同时间拍摄的遥感图像之间存在着光照、天气以及地表环境变化的问题而具 有较大的难度，但这个问题能否解决好直接关乎后续的变化检测以及图像融合能否继续进 行下去，因而具有十分重要的现实意义。
[0003]当前的图像配准方法大体上有两类，一类是基于图像的灰度信息的方式，另一类则是 基于局部特征的方式。其中，基于图像灰度信息的方式利用图像的灰度值来计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度感受野的多时相遥感图像配准方法，其特征在于，所述方法包括：获取多组多时相遥感图像，并对各所述多时相遥感图像根据预定方式进行处理，得到样本训练集；构建小感受野特征网络和大感受野特征网络，基于构建的所述小感受野特征网络和大感受野特征网络建立卷积神经网络模型，并基于预设损失函数以及所述样本训练集对建立的所述卷积神经网络模型进行训练，得到训练后的卷积神经网络训练模型；基于训练后的卷积神经网络模型获取源图像的图像块的小感受野特征向量和大感受野特征向量，并获取目标图像的小感受野特征张量和大感受野特征张量，基于获取到的所述小感受野特征向量以及小感受野特征张量构建小感受野特征距离图；基于所述小感受野特征距离图确定目标图像的小感受野特征张量上的与所述小感受野特征向量相似度最高的向量，并将所述小感受野特征向量对应的关键点以及小感受野特征张量上的与所述小感受野特征向量相似度最高的向量所对应的关键点生成关键点匹配对；基于生成的多个关键点匹配对通过渐进式迭代算法保留正确的关键点匹配对，根据正确的关键点匹配对计算源图像与目标图像之间的空间变换关系参数，基于所述空间变换关系参数进行图像配准。2.根据权利要求1所述的配准方法，其特征在于，所述方法还包括，基于获取到的所述大感受野特征向量以及大感受野特征张量构建大感受野特征距离图；基于所述小感受野特征距离图和所述大感受野特征距离图确定目标图像的小感受野特征张量上的与所述小感受野特征向量相似度最高的向量。3.根据权利要求2所述的配准方法，其特征在于，基于所述小感受野特征距离图和所述大感受野特征距离图确定目标图像的小感受野特征张量上的与所述小感受野特征向量相似度最高的向量，包括：根据所述大感受野特征距离图确定目标图像的大感受野特征张量上的与所述大感受野特征向量相似度最高的向量；从确定的与所述大感受野特征向量相似度最高的向量中基于所述小感受野特征距离图查找小感受野特征张量中的与所述小感受野特征向量相似度最高的向量。4.根据权利要求1所述的配准方法，其特征在于，所述小感受野特征网络包括七个卷积模块，所述大感受野特征网络包括三个卷积模块；所述损失函数为：l＝l1+l2+l1；其中，l为总损失函数，l1为小感受野特征网络的自身损失函数，l2为小感受野特征网络的HardNet网络损失函数，l1为大感受野特征网络的HardNet网络损失函数。5.根据权利要求4所述的配准方法，其特征在于，所述多时相遥感图像...

【专利技术属性】
技术研发人员：尤亚楠，黎超，周文莉，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：