文献类型：期刊文章

作　　者：蓝朝桢[1] 卢万杰[1] 于君明[2] 徐青[1]

LAN Chaozhen;LU Wanjie;YU Junming;XU Qing(Institute of Geospatial Information, Information Engineering University, Zhengzhou 450001, China;China Electronic Technology Group Corporation 27th Research Institute, Zhengzhou 450047, China)

机构地区：[1]信息工程大学地理空间信息学院,河南郑州450001 [2]中国电子科技集团公司第二十七研究所,河南郑州450047

出　　处：《测绘学报》

基　　金：国家重点研发计划(2017YFC1200305);国家自然科学基金(41876105,41371436)。

年　　份：2021

卷　　号：50

期　　号：2

起止页码：189-202

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、DOAJ、EI、GEOBASE、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对异源遥感影像的成像模式、时相、分辨率等不同导致匹配困难的问题,提出了一种基于深度学习特征的匹配方法CMM-Net。首先,利用卷积神经网络提取异源遥感影像的高维特征图,根据同时满足通道最大和局部最大两种条件选取关键点,并在特征图上提取相应位置的512维描述符。在匹配阶段,完成快速最近邻搜索特征匹配后,为解决误匹配点多的问题,提出了动态自适应欧氏距离阈值和RANSAC共同约束的提纯算法,保证误匹配有效剔除的同时,最大限度保留正确匹配点。利用多组异源遥感影像对算法进行了测试,并与多种异源影像匹配算法进行了比较,结果表明本文算法能够提取出异源影像的尺度不变相似特征,具有较强的适应性和稳健性。

关 键 词：深度学习  影像匹配 异源影像  卷积神经网络 卫星影像

分 类 号：P236]