买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明公开了一种异源遥感图像配准方法及系统，将旋转变化从图像模态变化中分离，用深度序列回归对图像进行旋转矫正，用深度描述子学习网络对异源图像进行精细配准；显著降低基于深度描述子学习网络的异源图像配准的挑战性，保持鲁棒性和准确性。采用旋转矫正的深度序列回归网络创新性地将旋转估计任务转变为一个序列回归问题，深度序列回归利用旋转序数之间的潜在关系，提高旋转估计的准确性；大量的实验结果证明了方法的必要性和深度序列回归网络在异源图像配准方面的优越性。

主权项：1.一种异源遥感图像配准方法，其特征在于，包括以下步骤：S1、分别选取训练集Train_DOR、测试集Test_DOR、训练集Train_DDL和测试集Test_DDL；S2、分别对步骤S1的训练集Train_DOR、测试集Test_DOR、训练集Train_DDL和测试集Test_DDL中的图像进行图像预处理；S3、将步骤S2预处理后训练集Train_DOR中的光学图像和旋转后的SAR图像在通道维上拼接，送入深度序列回归网络得到旋转参数；S4、基于二值交叉熵损失函数优化步骤S3中深度序列回归网络，保存深度序列回归网络的权重；S5、将步骤S4中保存的深度序列回归网络权重载入深度序列回归网络模型中，并依次读取步骤S2预处理后测试集Test_DOR中的数据，预测测试集Test_DOR中每对图像的旋转角度；S6、通过角度预测正确率AccR和角度预测平均误差MSER对步骤S5中深度序列回归网络在步骤S2预处理后测试集Test_DOR上的旋转矫正性能进行评估，保存具有最好测试结果的深度序列回归网络权重；S7、将步骤S2预处理后训练集Train_DDL中的光学图像块和SAR图像块分别输入深度描述子学习网络，提取对应的特征描述子；S8、基于三元组匹配损失函数对步骤S7中深度描述子学习网络的参数进行优化，保存深度描述子学习网络权重；S9、将步骤S8中保存的深度描述子学习网络权重载入深度描述子学习网络模型中，并依次读取步骤S2预处理后测试集Test_DDL中的数据，预测测试集Test_DDL中每对图像块匹配概率；S10、通过FPR95和匹配准确率AccM对步骤S9中深度描述子学习网络在测试集Test_DDL上的匹配性能进行评估，保存具有最好测试结果的深度描述子学习网络权重；S11、使用步骤S6中的深度序列回归网络权重预测待配准的光学和SAR图像之间的旋转角度，然后根据预测的旋转角度对SAR图像进行旋转矫正，之后在光学图像和矫正后的SAR图像上进行关键点检测，在检测到的关键点周围裁取图像块，然后使用步骤S10中保留的深度描述子学习网络权重提取图像块的特征描述子，通过得到的特征描述子距离得到匹配的关键点对，根据匹配的关键点对估计输入图像之间的变换矩阵，最后根据估计得到的变换矩阵将输入图像对齐，实现异源遥感图像配准。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种异源遥感图像配准方法及系统