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。