遥感数据融合技术文献综述

介绍了遥感数据融合技术的产生、发展历程和现状;遥感数据融合的目的是获取关于目标的更全面、综合的信息解释,详细阐述了遥感数据融合技术主要分为像素层融合、特征层融合和决策层融合3个层次的融合,着重介绍了各个数据融合层次中的具体融合方法。结合3个层次的融合处理技术进行性能比较、优缺点分析,对遥感数据融合在资源探测、农业管理、环境监测、军事和土地资源管理等领域的应用进行阐述;最后提出遥感数据融合技术面临的机遇及挑战。

基于跨尺度随机游走的立体匹配算法

传统的立体匹配算法大都基于两幅图像像素点或者局部块的对应性,在单一尺度下求取视差图,但这不能很好地建模低纹理及重复纹理区域的对应关系,致使获得的视差图精度有限。为了改善上述问题,考虑到人眼视觉系统在不同尺度上处理所接收到的视觉信号,提出了跨尺度的重启动与随机游走算法。首先计算场景图像的匹配代价,其次利用超像素分割进行快速初始聚合,然后使用重启动与随机游走算法对其进行全局上的优化,最后采用跨尺度模型实现匹配代价的有效融合更新,继而获取场景图像的视差图。在Middlebury数据集上的实验仿真结果表明,相较于传统的跨尺度立体匹配算法,该算法能够有效地将场景图像在所有区域及非遮挡区域的加权平均误匹配率分别降低1个百分点和3个百分点,获得高精度的视差图。

基于多阶融合与循环聚合的立体匹配网络

针对基于深度学习的立体匹配网络中病态区域匹配效果欠佳、模型参数量过大的问题,提出了一种基于多阶特征融合与循环代价聚合的端对端立体匹配网络—MFRANet。首先,为兼顾图像低层细节信息与高层语义信息,提出了多阶特征融合模块,采用分阶段、逐步式的特征融合策略对多层次、多尺度特征进行有效融合;其次,在代价聚合阶段提出循环聚合机制,以循环方式对匹配代价卷进行聚合优化,在改善聚合效果的同时不引入过多的参数量;最后,利用基于Soft Argmin算法的视差计算模块计算图像视差。并通过KITTI 2012/2015和SceneFlow两个公开数据集对网络进行训练和测试,与其他端对端立体匹配网络进行了对比研究。结果表明,在SceneFlow和KITTI 2015两个公开数据集上,相较于其他端对端立体匹配网络,MFRANet具有更为精准的匹配结果;对于SceneFlow数据集,终点误差降低至0.92Pixels;对于KITTI 2015数据集,误匹配率降低至2.21%。