西安邮电大学学报

2020, (02) 7-14

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种基于融合特征的多源遥感图像配准算法
A registration algorithm for multi-source remote sensing images using features fusion

胡明娣;张中茂;杨洁;许天倚;

摘要(Abstract):

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。

关键词(KeyWords): 尺度不变特征变换;卷积神经网络;特征融合;遥感图像配准

Abstract:

Keywords:

基金项目(Foundation): 陕西省重点研发计划项目(2018KW-050)

作者(Author): 胡明娣;张中茂;杨洁;许天倚;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享