一种基于融合特征的多源遥感图像配准算法

作者：胡明娣; 张中茂; 杨洁; 许天倚

来源：西安邮电大学学报, 2020, 25(02): 7-14.

DOI：10.13682/j.issn.2095-6533.2020.02.002

• 尺度不变特征变换
• 卷积神经网络
• 特征融合
• 遥感图像配准

为了提高多源遥感图像配准精度,提出融合传统位置尺度和主方向的尺度不变特征变换(position scale orientation scale-invariant feature transform,PSO-SIFT)特征和卷积神经网络(convolutional neural networks,CNN)特征的遥感图像配准算法。利用自建数据集对预训练好的CNN网络进行迁移学习,采用迁移学习后的网络提取图像高级特征,使用PSO-SIFT提取图像低级特征,将高、低级特征加权组合成鲁棒性更强的融合特征描述子用于特征匹配,以实现遥感图像配准。仿真结果表明,相比于快速采样统计尺度不变特征变换(fast sample consensus-SIFT,FSC-SIFT)、合成孔径雷达尺度不变特征变换(synthetic aperture radar-SIFT,SAR-SIFT)、PSO-SIFT和Alexnet-fc6算法,提出算法参数估计值的均方根误差较小,正确匹配点个数较高,对遥感图像的匹配效果较好。

• 单位
  通信与信息工程学院; 西安邮电大学