基于多尺度和多方向特征的双分支多模态遥感图像配准方法技术

本发明专利技术公开了基于多尺度和多方向特征的双分支多模态遥感图像配准方法，首先将原始图像数据集划分为训练集和测试集，并进行预处理；然后构建基于多尺度和多方向特征的双分支多模态遥感图像配准网络模型；对基于多尺度和多方向特征的双分支多模态遥感图像配准网络模型进行训练；最后利用训练好的基于多尺度和多方向特征的双分支多模态遥感图像配准网络模型对测试数据进配准。本发明专利技术将来自不同传感器、不同时相或不同分辨率的图像在空间位置上进行精确对齐。通过配准，能够消除图像间的几何差异，使它们具有统一的坐标系统，便于后续的图像融合、变化检测、信息提取等分析处理，从而更准确地获取地物信息和监测地表变化。

【技术实现步骤摘要】

本专利技术属于图像处理中遥感图像配准，具体涉及基于多尺度和多方向特征的双分支多模态遥感图像配准方法。

技术介绍

1、在遥感技术快速发展的当下，多模态遥感图像配准极为关键却充满挑战。各类遥感传感器不断革新，产出涵盖光学、sar、红外等多模态图像，因其成像原理不同，信息表达特性差异大，既给配准技术带来机遇，也带来难题。多模态遥感图像配准旨在实现不同模态图像空间维度的精准对齐，让同一地物在各图像位置对应，从而提升数据利用效率与分析精度，但是不同模态图像成像原理和物理特性致使地物特征表现迥异、匹配特征难寻，且图像噪声、分辨率差异、几何畸变等因素加大了配准难度。

2、传统配准方法主要分为基于区域和基于特征两类。基于区域的方法通过对比区域特征并最大化相似性度量确定配准参数，基于特征的方法则经特征提取、匹配、参数估计和空间变换建立图像对应关系。这些方法在多模态配准时，因图像非线性差异、复杂变形及辐射变化，在区域相似性测量、特征点提取等方面存在局限，还易受噪声干扰。

3、近年来，基于深度学习的方法崭露头角，能自动学习多模态图像特征，有效应对特征差异本文档来自技高网...

【技术保护点】

1.基于多尺度和多方向特征的双分支多模态遥感图像配准方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述的基于多尺度和多方向特征的双分支多模态遥感图像配准方法，其特征在于，所述步骤1具体按照以下步骤实施：

3.根据权利要求2所述的基于多尺度和多方向特征的双分支多模态遥感图像配准方法，其特征在于，结合图2～图6，所述步骤2中：

4.根据权利要求3所述的基于多尺度和多方向特征的双分支多模态遥感图像配准方法，其特征在于，所述步骤2中双分支特征提取网络处理过程如下：

5.根据权利要求4所述的基于多尺度和多方向特征的双分支多模态遥感图像配...

【技术特征摘要】

1.基于多尺度和多方向特征的双分支多模态遥感图像配准方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述的基于多尺度和多方向特征的双分支多模态遥感图像配准方法，其特征在于，所述步骤1具体按照以下步骤实施：

3.根据权利要求2所述的基于多尺度和多方向特征的双分支多模态遥感图像配准方法，其特征在于，结合图2～图6，所述步骤2中：

4.根据权利要求3所述的基于多尺度和多方向特征的双分支多模态遥感图像配准方法，其特征在于，所述步骤2中双分支特征提取网络处理过程如下：

5.根据权利...

【专利技术属性】
技术研发人员：王文卿，孙文豪，穆琨鹏，高铭泽，张平平，朱定洲，杨毅飞，刘涵，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：