一种基于混合变形的多模态遥感图像配准方法及存储介质技术

一种基于混合变形的多模态遥感图像配准方法及存储介质，属于计算机视觉技术领域，解决复杂变形场景下的多模态图像配准问题，获取待配准的不同模态的遥感图像对，利用掩码学习的特征提取器获得图像特征，将图像特征送入刚性配准模型，获取变换参数和粗配准结果，将粗配准结果和目标图像再次经过特征提取器处理，将图像特征送入非刚性配准模型获取变换参数，对原始待配准图像进行处理获得配准结果，计算变换参数误差和重投影误差，根据误差更新模型参数，使用联合配准网络对图像进行处理得到配准的结果，计算图像的角点误差损失；本发明专利技术将刚性配准和非刚性配准方法结合在一起对遥感图像进行配准，采用双向配准策略来增加模型的鲁棒性和准确性。

【技术实现步骤摘要】

本专利技术属于计算机视觉，涉及一种基于混合变形的多模态遥感图像配准方法及存储介质。

技术介绍

1、近年来，随着传感器技术和成像设备的飞速发展，图像获取方式呈现出丰富多样的趋势。这种多样性不仅在数据数量上呈现爆发性增长，还涵盖了数据的多维度、多尺度和高分辨率等多个方面。在这样海量的数据背景下，多模态图像成为人类探索世界、促进社会智能化发展的重要数据基础，为研究者提供了丰富的课题内容。多模态图像的应用已经广泛涵盖了众多领域，包括但不限于遥感地物监测、医疗辅助诊断以及计算机视觉分析。在这些领域，多模态图像不仅仅用于图像的基本任务，如识别、检测、分割、跟踪和匹配等，而且也逐渐深入到更复杂的应用场景中。例如，在遥感数据分析中，多源异构的图像信息为地球观测和资源监测提供了全面而多层次的支持；在医疗领域，多模态图像的结合使得辅助诊断系统能够更全面、精准地分析患者的病情。然而，正如所述，海量的多模态图像数据也带来了一系列挑战。时序、视角、光照、噪声、光谱特性等多方面的影响常常导致图像之间存在不一致的强度差异和视觉特性，使得数据的有效利用变得更加复杂。因此，如何消除这些差异本文档来自技高网...

【技术保护点】

1.一种基于混合变形的多模态遥感图像配准方法，其特征在于，包括：训练过程和测试过程；

2.根据权利要求1所述基于混合变形的多模态遥感图像配准方法，其特征在于，所述获取待配准的不同模态的遥感图像对的方法如下：将对齐的可见光图像Ivi和红外图像Iir对中的红外图像进行随机扭曲获得待配准图像，将扭曲后的红外图像，即待配准图像，记作Iir_w。

3.根据权利要求1所述基于混合变形的多模态遥感图像配准方法，其特征在于，所述利用带有掩码学习的特征提取器获得图像特征的方法如下：利用带有掩码学习的特征提取器对待配准图像Iir_w和可见光图像Ivi进行处理，处理的过程为：将待配准图...

【技术特征摘要】

1.一种基于混合变形的多模态遥感图像配准方法，其特征在于，包括：训练过程和测试过程；

2.根据权利要求1所述基于混合变形的多模态遥感图像配准方法，其特征在于，所述获取待配准的不同模态的遥感图像对的方法如下：将对齐的可见光图像ivi和红外图像iir对中的红外图像进行随机扭曲获得待配准图像，将扭曲后的红外图像，即待配准图像，记作iir_w。

3.根据权利要求1所述基于混合变形的多模态遥感图像配准方法，其特征在于，所述利用带有掩码学习的特征提取器获得图像特征的方法如下：利用带有掩码学习的特征提取器对待配准图像iir_w和可见光图像ivi进行处理，处理的过程为：将待配准图像iir_w和可见光图像ivi分别输入到特征提取分支以及掩码学习分支，将学习的掩码和待配准图像以及可见光图像相乘获得最终的图像特征，记作fir_1和fvi_1。

4.根据权利要求1所述基于混合变形的多模态遥感图像配准方法，其特征在于，所述将图像特征送入刚性配准模型，获取变换参数和粗配准结果的方法如下：

5.根据权利要求1所述基于混合变形的多模态遥感图像配准方法，...

【专利技术属性】
技术研发人员：肖云，张春雷，黎汪琦，江波，陈媛，汤进，
申请(专利权)人：安徽大学，
类型：发明
国别省市：