一种基于GLU-Net-Evaluate的SAR图像自适应配准方法技术

本发明专利技术涉及图像处理领域，尤其涉及一种基于GLU‑Net‑Evaluate的SAR图像自适应配准方法；技术问题：在对SAR图像进行配准时，采用将成熟的可见光图像配准模型应用于SAR图像配准，由于可见光图像与SAR图像之间的特性和分布差异较大，往往效果不佳，且由于SAR图像配准方面数据稀缺性问题较为严重，因此不仅对算法的训练和验证产生了印影响，且可能导致过拟合以及泛化性能不佳的问题；技术方案：一种基于GLU‑Net‑Evaluate的SAR图像自适应配准方法，包括有利用光流估计网络生成最终的预测光流场，以此完成图像配准；本发明专利技术通过设置迁移学习技术训练GLU‑Net网络，然后在稀缺的SAR数据上进行训练，并加入评估网络，利用评估网络指导其在SAR上的训练，可以现有方法的局限性，提高SAR图像配准的性能。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其涉及一种基于glu-net-evaluate的sar图像自适应配准方法。

技术介绍

1、传统的sar图像配准研究可以分为两大类方法：基于特征匹配和基于区域的方法；基于区域的方法的核心思想是定义一种相似性度量准则，利用图像的强度信息计算待配准图像中各个位置当前窗口与模板之间的相似性，并通过优化参考图像和待配准图像之间的相似性来估计几何变换模型；这些方法通常在特定变换域(如傅里叶域、小波域等)中执行图像配准；例如，频域匹配利用傅里叶变换将图像转换到频域，然后进行配准；而小波变换则使用小波变换提取图像的多尺度特征进行配准；常用的相似性度量准则包括互信息、交叉累积残差熵、归一化互信息等；然而，基于区域的sar图像配准方法在处理sar图像的几何差异和辐射差异方面表现较弱，计算复杂度高，通常需要较长的计算时间，限制了其广泛应用；相比之下，基于深度学习的配准方法具有明显的发展前景；这些方法利用深度学习的优势，通过大规模样本学习，能够从sar图像中提取更丰富的深层语义信息；与传统方法相比，基于深度学习的sar配准方法能够捕捉更复杂的图像特征本文档来自技高网...

【技术保护点】

1.一种基于GLU-Net-Evaluate的SAR图像自适应配准方法；其特征在于：包括有以下步骤：

2.根据权利要求1所述的一种基于GLU-Net-Evaluate的SAR图像自适应配准方法，其特征在于：在对输入的SAR图像数据进行数据预处理，将不同的SAR图像数据转换为标准化的图像数据时，输入的图像包括有源图像Is和目标图像It。

3.根据权利要求2所述的一种基于GLU-Net-Evaluate的SAR图像自适应配准方法，其特征在于：在对输入的SAR图像数据进行数据预处理，将不同的SAR图像数据转换为标准化的图像数据时，包括以下步骤：>

4.根据权利...

【技术特征摘要】

1.一种基于glu-net-evaluate的sar图像自适应配准方法；其特征在于：包括有以下步骤：

2.根据权利要求1所述的一种基于glu-net-evaluate的sar图像自适应配准方法，其特征在于：在对输入的sar图像数据进行数据预处理，将不同的sar图像数据转换为标准化的图像数据时，输入的图像包括有源图像is和目标图像it。

3.根据权利要求2所述的一种基于glu-net-evaluate的sar图像自适应配准方法，其特征在于：在对输入的sar图像数据进行数据预处理，将不同的sar图像数据转换为标准化的图像数据时，包括以下步骤：

4.根据权利要求3所述的一种基于glu-net-evaluate的sar图像自适应配准方法，其特征在于：在利用特征网络对经过预处理后的图像数据进行特征提取时，采用的特征网络为vgg网络；其中，vgg网络使用3×3的卷积核并增加网络深度来提取调整分辨率并标准化处理后的源图像和目标图像。

5.根据权利要求4所述的一种基于glu-net-evaluate的sar图像自适应配准方法，其特征在于·vgg网络采用vgg-16模型对经过预处理后的图像数据进行特征提取；其中，vgg网络的形式为：

6.根据权利要求5所述的一种基于glu-net-evaluate的sar图像自适应配准方法，其特征在于：在对经过特征提取后的sar图像数据进行特征匹配，在多个sar图像数据中找到相同的...

【专利技术属性】
技术研发人员：赵源，王仰犀，郭梦桥，张汇楠，孔丁丁，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：