科研之友
微信
新浪微博
Facebook
分享链接
摘要
在目前现存的数字地表模型生成方法中，大多采用半全局立体匹配(semi-global matching, SGM)及其派生算法来进行遥感影像的密集匹配。传统SGM的匹配结果总体上较好，但仍存在一些不足，例如在阴影区域、低纹理、重复纹理以及局部光强不一致等区域存在较多的视差空洞，且在视差不连续的区域易存在较大的匹配误差等。近年来，基于深度学习的密集匹配方法在多个数据集上取得了较好的成绩。该文将孪生神经网络计算匹配代价引入资源三号密集匹配生成数字地表模型流程中，实验了深度学习方法在国产资源三号02星密集匹配方面的性能；对模型泛化能力进行了针对训练，和经典方法进行了比较，并与商业软件进行了精度对比。实验表明，与传统的影像密集匹配生成数字地表模型的方法相比，基于深度学习的匹配效果更优。
- 单位
