基于双支路神经网络的光学与SAR图像配准方法技术

本发明专利技术涉及图像配准技术领域，涉及一种基于双支路神经网络的光学与SAR图像配准方法，包括：一、提取光学和SAR图像的点特征信息，将点特征信息转化为以特征点为中心的特征图像作为输入信息；二、利用双支路神经网络训练识别输入的光学和SAR的特征图像信息的匹配关系；利用光学和SAR图像的样本数据制作样本库输入到网络中训练，分析网络模型的配准精度，迭代对网络进行训练，选出训练效果最佳的模型作为模型文件，获取光学和SAR的正确图像匹配对；三、筛选出正确匹配的图像对的特征点信息，利用匹配特征点计算光学和SAR的图像变换矩阵参数信息，获取到最终图像信息。本发明专利技术能较佳地进行光学和SAR的图像配准。地进行光学和SAR的图像配准。地进行光学和SAR的图像配准。

【技术实现步骤摘要】
基于双支路神经网络的光学与SAR图像配准方法


[0001]本专利技术涉及光学和SAR的图像配准
，具体地说，涉及一种基于双支路神经网络的光学与SAR图像配准方法。

技术介绍

[0002]随着遥感探测技术的不断发展，越来越多的遥感卫星正不断发射应用于生产生活中，不同的遥感卫星获取的数据包含多传感器、多空间分辨率、多时间分辨率和多光谱分辨率等多种不同类型，为进行各种复杂的遥感图像处理应用，单一类型的遥感数据可能无法满足数据需要，需要把多种来源的遥感数据整合提取出更全面的有效信息来处理，即实现多源遥感信息的融合处理。为了实现多源遥感信息的融合，遥感图像配准成为了解决此类问题的一个重要方法。遥感图像配准是指对不同传感器获取的不同时间的同一场景下的两幅或多幅遥感影像数据进行分析处理，并把待配准图像转换至与参考图像同一空间坐标系下的过程。由于不同类型遥感数据的多源性和成像变化的复杂性，如何将多源遥感数据快速准确的实现图像配准，成为当下遥感图像处理应用的一个热门问题。
[0003]在多源遥感图像配准中，光学图像和合成孔径雷达(SAR，Synth本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于双支路神经网络的光学与SAR图像配准方法，其特征在于：包括以下步骤：一、特征提取：获取光学和SAR图像各自的特征图像信息；采用特征点提取的方式提取光学和SAR图像的点特征信息，将点特征信息转化为以特征点为中心的邻域特征图像信息作为特征匹配网络的输入信息；二、特征匹配：利用双支路神经网络训练识别输入的光学和SAR的特征图像信息的匹配关系；其中利用光学和SAR图像的样本数据制作样本库输入到网络中训练，通过精度评价分析网络模型的配准精度，迭代对网络进行训练，选出训练效果最佳的模型作为特征匹配网络的模型文件，用以检验光学和SAR特征图像的匹配关系，获取光学和SAR的正确图像匹配对；三、特征筛选输出：分析特征匹配网络获取的光学和SAR的匹配图像对，利用图像后处理进一步分析匹配图像对的正确匹配关系，筛选出正确匹配的图像对的特征点信息，利用匹配特征点计算光学和SAR的图像变换矩阵参数信息，实现待配准图像向参考图像的图像重采样及坐标系的统一，获取到最终配准的图像信息。2.根据权利要求1所述的基于双支路神经网络的光学与SAR图像配准方法，其特征在于：步骤一中，特征点提取采用SIFT点特征提取算法。3.根据权利要求1所述的基于双支路神经网络的光学与SAR图像配准方法，其特征在于：步骤一中，将点特征信息转化为以特征点为中心的邻域特征图像信息的方法为：对特征点周围区域匹配，获取到特征点周围的地物纹理信息即得特征图像。4.根据权利要求1所述的基于双支路神经网络的光学与SAR图像配准方法，其特征在于：特征匹配包括以下步骤：步骤1)光学图像和SAR图像在各分支内的图像特征提取，在各分支内通过卷积神经网络的层级特点提取光学和SAR的各自重要图像特征；步骤2)提取后的光学和SAR的图像特征的融合分类，通过全连接层的层级训练提取分析融合后的图像特征，输出对光学和SAR图像的匹配判定。5.根据权利要求4所述的基于双支路神经网络的光学与SAR图像配准方法，其特征在于：步骤1)中，分别将光学和SAR图像的输入图像块作为起始输入，分别独立输入到双支路卷积神经网络块中训练，各支路神经网络在训练中不影响光学和SAR的各自图像特征提取，通过一定的卷积和池化的层级操作，光学和SAR图像特征不产生交互关系，分别提取各自支路的重要图像特征，光学支路和SAR支路不相互作用和影响，分别获取到光学和SAR经过双支路神经网络...

【专利技术属性】
技术研发人员：吴艳兰，杨辉，王彪，
申请(专利权)人：安徽大学，
类型：发明
国别省市：