共查询到18条相似文献,搜索用时 125 毫秒
1.
2.
3.
针对异源遥感影像成像模式、时相、分辨率等不同导致的图像匹配困难问题,提出了一种基于循环生成对抗策略的遥感图像匹配算法。构建了跨数据域图像特征迁移的循环生成对抗网络(generative adversarial network,GAN),设计SmoothL损失函数对网络进行优化,提高遥感图像特征提取精度,并基于图像特征迁移结果,建立三元组距离排序损失函数(trioplet margin ranking loss,TMRL)降低遥感图像的误匹配点数,实现异源遥感图像的准确匹配。实验结果表明,本文方法将异源遥感图像匹配平均准确率提升了33.51%,与CMM-Net(cross modlity matching net)方法相比,具有更好的遥感图像匹配效果。此外,本文方法不需要目标域图像的标注信息,匹配时间缩短了0.073s,能快速准确实现异源遥感图像匹配。 相似文献
4.
针对异源遥感图像在图像配准中的几何形变问题,本文提出了一种基于几何不变性局部相似特征的异源遥感图像配准算法。GISS算法利用加速鲁棒特征算子先对存在几何差异的异源遥感图像进行预匹配,然后根据特征点的方向特征对图像进行旋转仿射校正,最后引用局部相似性描述符并集成相似性度量来考察预匹配点对的相关性,选取其中相似相关性最优的点对实行图像配准。实验结果表明,对于存在几何形变的异源遥感图像,具有较好的配准实现效果,可以有效的解决异源遥感图像之间的几何形变差异问题,具有较好的鲁棒性和配准精度。 相似文献
5.
基于SIFT算法的异源遥感影像自动匹配研究 总被引:2,自引:0,他引:2
由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为遥感图像的匹配带来了困难。主要利用图像特征点提取方法,使用具有尺度不变特性的SIFT(Scale Invariance Feature Transform)方法,对异源遥感图像进行配准和图像进行拼接操作,并进一步对SIFT算法进行优化,采用双向匹配策略。实验证明该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征差异的异源遥感图像的精确配准,同时实验验证了双向匹配算法用于SIFT特征点匹配中的优越性,证明其为一种好的匹配测度。 相似文献
6.
7.
8.
9.
当前高分辨率多光谱遥感图像自动配准的主要困难,在于图像特征提取的自动化程度不足,计算速度较慢。针对不同传感器和不同时空分辨率的高分辨率多光谱遥感图像,改进点特征的提取方法,获得较高精度和较快速度。首先构建三维高斯差分尺度空间,由低层获得粗匹配点,在空间上向高层索引特征点。然后,通过逐层搜索获得精匹配点。在各层中,通过特征点方向描述子的空间增强,提高特征点的质量和数量。最后,综合多光谱遥感图像的可见光和近红外等波段的同名点集,获得亚像素级的匹配点。试验了环境星、TM、GEOEYE、无人机遥感图像等高分辨率遥感图像,对改进算法结果进行了较全面的对比分析。 相似文献
10.
卷积神经网络(Convolutional Neural Network,CNN)和Transformer的混合架构能够有效建模图像的局部与全局特征,已成为遥感图像变化检测任务的主流网络.然而这类网络仍面临着一些挑战. CNN分支中的卷积和池化运算通常会抑制遥感图像中的高频信息,降低目标边界的精度;此外,Transformer分支对图像像素进行等同长程依赖关系建模,忽略了变化目标的形状及语义关联信息,导致网络对变化目标特征的表达不足.为解决上述问题,提出了基于边缘引导和动态可变形Transformer的遥感图像变化检测网络.在CNN分支中设计了边缘信息引导模块,利用高频信息增强目标区域的边缘信息,从而改善变化目标的轮廓精度.同时设计了一种新颖的动态可变形Transformer,能够自适应地匹配形状不同的变化目标,选择与变化相关的特征建模长程依赖关系,以提高网络的特征表达能力.实验结果表明,提出的方法在三个公开数据集LEVIR-CD、CDD和DSIFN-CD上显著提高了检测精度,在变化目标的边界精度和内部完整性方面都明显优于当前的主流网络. 相似文献
11.
12.
13.
14.
图像的半自动配准是当前比较先进的图像配准技术。该方法基于初步定位基础,利用模板相关的匹配方法,根据遥感图像之间灰度分布的相关性,选取数量丰富的配准控制点,利用相关系数准则进行图像间的相似性度量,可达到较高的配准精度。实验结果表明,该匹配方法用于遥感图像的配准能够有效提高图像处理的速度以及校正图像的定位精度。 相似文献
15.
16.
动态规划在遥感影像边缘检测中的应用 总被引:1,自引:0,他引:1
利用遥感影像中不同地类的纹理特征及灰度特征,提取出类识别因子,用动态规划方法将各种因子考虑在内,找出不同地类之边缘,这种综合运用的方法可有效地检测遥感影像中地类的边缘。 相似文献
17.
被动傅里叶变换红外遥测技术可以测量大部分污染气体,亮温光谱法能够在无需背景信息的前提下实现目标特征提取与识别。在野外进行实测时, 存在背景物体辐射、大气中成分辐射、仪器噪声等信号。当目标信号弱于这些信号时,亮温光谱法难以直接从实测光谱中提取目标特征。针对这一问题,提出了一种基于非负矩阵分解的光谱特征提取方法,在被动红外遥测模型基础上,通过对整个亮温光谱进行分析,得到目标光谱特征。实际测量以SO$_2$为目标气体进行野外实验,对该方法进行了验证,结果表明,在目标信号较弱的亮温光谱中仍然能够提取到SO$_2$的光谱特征,证明了方法的有效性。 相似文献
18.
基于深度学习的红外遥感信息自动提取 总被引:1,自引:0,他引:1
为了提高红外遥感图像地物
信息自动提取的精确性,同时避免人工提取遥感
信息的低效性,提出了一种基于UNet深度学习模型
的遥感信息提取算法。该算法用于从红外遥感图像中分割
出5类地物信息(包括道路、建筑、树木、农田和水
体)。首先,对分辨率高但数量较少的训练数
据进行小像幅的随机裁剪,并对其进行相应的数据增
强处理。然后搭建UNet深度学习模型,并用它
自动提取遥感图像的特征信息。采用交叉熵损失函数
以及Adam反向传播优化算法对该模型进行训练,并对测
试样本中的5幅遥感图像进行精确的地物信息提取。最后,运
用Jaccard指数对测试结果进行精度评定。实验结果表明,该
方法对高分辨率红外遥感图像信息和可见光
遥感图像信息进行了充分融合,对于不同种类地物
的定位和分类都取得了较高精度。 相似文献