密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。

融合双注意力与深度神经网络的遥感图像配准

在多视角遥感图像配准中,部分方法在复杂场景下存在配准精度不高或实时性低等问题,针对以上不足,提出融合双注意力机制的网络中网络作为特征提取器的端到端图像配准算法。算法分为特征提取、特征匹配和参数预测三部分,首先使用网络中网络改进模型对于复杂特征的提取能力,同时引入双注意力机制提升对特征的分辨和定位效果;然后在特征匹配层使用双向的相关运算改善特征匹配精度,匹配层输出的匹配图输入参数预测网络,预测从待配准图像到参考图像的变换参数。实验表明,与传统算法对比,配准精度平均提升10%以上,速度至少提升20%,所提方法有效提升了多视角遥感图像配准的效果。

灰度二次校正改进空间变换网络的遥感图像配准

为使图像能够参照变换模型实现自适应变换,减少配准时间,提出一种灰度投影二次定位优化空间变换网络的遥感图像配准方法。采用空间变换网络模型提取图像特征并进行训练得到仿射变换系数,使待配准图像能够根据该仿射变换系数实现自适应仿射变换。为了得到更精确的配准效果,减少图像的位移偏差,在空间变换网络中添加灰度投影二次校准模块,最终实现待配准图像的精确配准。实验表明,使用灰度二次校正的空间变换网络在保持配准精度的同时加快了配准的速度,并具有较好的鲁棒性。