卷积神经网络特征在遥感图像配准中的应用

编号 zgly0001675941

文献类型 期刊论文

文献题名 卷积神经网络特征在遥感图像配准中的应用

作者 叶发茂  罗威  苏燕飞  赵旭青  肖慧  闵卫东 

作者单位 南昌大学信息工程学院 

母体文献 国土资源遥感 

年卷期 2019年02期

年份 2019 

分类号 TP751  TP183 

关键词 卷积神经网络  遥感图像配准  聚合卷积特征  尺度不变特征变换(SIFT) 

文摘内容 遥感图像配准是许多遥感应用的重要步骤之一。卷积神经网络(convolutional neural network,CNN)提取的图像高层特征在图像分类和检索问题上表现优异,能够克服低层配准特征的表达能力有限、容易受到干扰等问题。因此对利用CNN特征进行遥感图像配准开展研究。首先,针对遥感图像配准问题,对CNN中的全连接层特征和不同聚合大小的卷积层特征进行了研究;然后,对利用CNN特征进行图像配准的方法进行了分析;最后,将CNN特征与尺度不变特征变换(scale-invariant feature transform,SIFT)特征在图像的旋转角度、缩放倍数和亮度依次变换时的配准性能进行了对比分析。实验结果表明,在匹配精度和正确对应点的数量方面,CNN特征比SIFT方法具有更好的匹配性能;对变换后的图像而言,微调后的CNN特征比SIFT特征具有更强的鲁棒性。