面向复杂地面场景的跨模态遥感图像智能多尺度配准方法技术

本发明专利技术公开了一种面向复杂地面场景的跨模态遥感图像智能多尺度配准方法，属于航天遥感图像处理和计算机视觉技术领域。本发明专利技术一方面通过对模态可对齐的结构进行对齐、对模态间难以对齐的结构进行过滤，提高了跨模态遥感图像表征相似度量的鲁棒性；另一方面通过采取由粗到细的多级匹配策略，有效避免对区域内每个像素进行搜索，提升搜索效率，同时也避免过强的先验区域的方法导致的漏匹配现象。本发明专利技术通过以上两方面实现了高效获取跨模态遥感图像间高精度的像素级匹配。间高精度的像素级匹配。间高精度的像素级匹配。

【技术实现步骤摘要】
面向复杂地面场景的跨模态遥感图像智能多尺度配准方法


[0001]本专利技术属于航天遥感图像处理和计算机视觉
，涉及一种跨模态遥感图像表征学习及基于表征相似度的图像配准方法，具体涉及一种面向复杂地面场景的跨模态遥感图像的智能多尺度配准方法。

技术介绍

[0002]航天遥感技术是地球空间信息获取的重要手段。新型传感器不断涌现，地球空间信息收集已从过去的依赖单一传感器发展到现在同时利用多种类型的传感器，以获取不同分辨率、不同时相以及不同光谱属性的多模态遥感影像。这些多模态影像反映了地物的不同属性，能够为地表观测和分析提供互补信息。因此，如何充分集成这些多模态遥感影像，提供地表更全面的观测和更综合的分析对于各类遥感应用至关重要。其中最为关键的基础工作是面向复杂地面场景的跨模态图像配准技术，该技术是众多遥感应用与分析，如跨模态图像融合、地物目标识别、变化检测、3D重建、遥感定量信息分析的关键预处理环节，配准精度会对后续的众多遥感应用产生十分重要的影响。
[0003]现有的跨模态遥感图像配准方法，通常使用传统的手工描述子提取多模态图像特征用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向复杂地面场景的跨模态遥感图像智能多尺度配准方法，其特征在于，包括如下步骤：第一步，对待配准的光学图像和SAR图像分别提取多个分辨率的特征图，得到各自的特征金字塔；第二步，依次执行选择特征图、确定匹配范围、构建匹配体以及在匹配范围内计算区域级相似度得分；第三步，执行跨模态遥感数据表征差异鲁棒的相似性得分计算，增强跨模态可对齐区域、抑制模态间难以对齐区域；在空间维度上融合过滤后的区域级相似度得分，并计算得到最佳匹配位置；第四步，从最低尺度特征图开始，遍历特征金字塔，重复第二步和第三步，直至金字塔的最高尺度特征图。2.根据权利要求1所述的一种面向复杂地面场景的跨模态遥感图像智能多尺度配准方法，其特征在于，所述第一步中，采用结构相同、权重不共享的二维卷积网络分别对光学图像和SAR图像进行特征提取，并分别得到光学图像的多尺度特征金字塔和SAR图像的多尺度特征金字塔其中i为尺度索引，l为金字塔层数；所述光学图像的多尺度特征金字塔的形状为SAR图像的多尺度特征金字塔的形状为其中H
o
、W
o
分别为光学图像的高和宽，H
s
、W
s
分别为SAR图像的高和宽，C为特征数量。3.根据权利要求1或2所述的一种面向复杂地面场景的跨模态遥感图像智能多尺度配准方法，其特征在于，所述第二步的具体步骤如下：步骤2.1：在两个特征金子塔中分别选择光学图像特征图SAR图像特征图其中，初次执行，选择最低尺度的光学图像特征图和SAR图像特征图步骤2.2：以上一次匹配结果为中心点，在其周围二维区域内[
‑
k,k]范围内选取候选匹配位置，得到N＝(2k+1)2个候选匹配位置；初次执行，以位置为左上角起点，在n
×
n区域内选择N＝n2个候选匹配位置；步骤2.3：以所有N个候选匹配位置为左上角起点，在上裁取与大小相同的光学特征块，并分别将N个光学特征块在特征维度C上与SAR图像特征图相级联，构建出形状为的匹配体；步骤2.4：将步骤2.3...

【专利技术属性】
技术研发人员：李豪杰，岳雨昕，张宏，王智慧，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：