计算机应用研究

作者：韦春桃,李渊哲,

单位：重庆交通大学智慧城市学院,重庆400074；

关键词：多时相遥感影像,深度学习,双筛选双约束,卷积神经网络,图像匹配,

基金：重庆市基础科学与前沿技术研究专项重点项目(cstc2015jcyjBX0023)；桂林市科学技术研究开发项目(20190601)；；

针对传统人工设计的特征描述符在面对几何差异和辐射差异较大、地物变化明显的多时相遥感影像时，容易造成大量误匹配问题，提出一种适用于遥感影像的双筛选双约束的卷积神经网络匹配算法，通过CNN提取影像深层语义特征图，在特征图中筛选同时满足优先最大原则和精确极值原则的关键点，并在对应位置提取512维描述符。在特征匹配阶段，通过由粗到精的反向匹配约束和RANSAC约束相结合的策略，保证了误匹配点有效剔除的同时保留一定数量的正确匹配点对，提高了匹配的精度。实验结果表明：该方法的匹配数量适中，正确匹配率较实验选取的其他算法相比有所提高，影像配准误差减小2个像素左右，匹配运行时间提升明显，匹配效果良好并且具有一定的适应性和鲁棒性。

来源：2023年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第3期