一种改进的基于深度学习的遥感影像拼接方法

来源：计算机工程与应用杂志2017年第20期北京时间：

作者：雒培磊1，李国庆2，曾 怡1

单位：1.北京林业大学 信息学院，北京 100083 ；2.中国科学院 遥感与数字地球研究所 数据技术部，北京 100094

摘要：针对遥感影像拼接的两个主要过程：图像配准和点变换，分别进行了深入研究。对遥感影像拼接中的特征点匹配问题，提出了一种利用分层卷积特征进行图像配准的方法。该方法利用卷积神经网络（Convolutional Neural Networks，CNN）自适应地提取特征点的分层卷积特征，通过相关滤波器（Correlation Filter，CF）对不同深度的卷积特征逐层进行相关性分析，进而综合计算特征点的位置。然后对传统的点变换方法进行简化，提出十字点集变换方法。根据配准的特征点计算变换参数，实现遥感影像的拼接。实验结果表明，该方法与传统的基于SIFT（Scale Invariant Feature Transform）的拼接方法相比，精度较高且具有较好的鲁棒性。

关键词：卷积神经网络（CNN）,图像配准,十字点集,遥感影像拼接