基于残差伪孪生卷积互相关网络的异源遥感图像匹配算法

合成孔径雷达（SAR）成像和可见光成像是遥感卫星的常用成像方式。由于两者在成像信息上具有高度互补性,SAR和可见光的图像数据融合已成为了遥感的一个重要研究领域。异源数据匹配算法的性能直接影响获取地面控制点的精度,匹配算法分为二阶段法和一阶段法,现有的二阶段法难以适应地形复杂的遥感图像,且在速度上无法满足实际的工程需求,而速度满足要求的一阶段法在精度上仍有所欠缺。为解决这个问题,提出了一个可端到端的高精度的基于残差伪孪生卷积互相关网络的异源遥感图像匹配算法。所提算法通过构建基于残差层的伪孪生网络,对提取的SAR和可见光图像的特征进行卷积互相关操作从而实现异源遥感图像匹配。实验结果表明,该算法在保持较高的速度下,较大提升了SAR与可见光图像的匹配精度,为深度学习方法在大规模异源遥感图像匹配任务中的工程应用奠定了基础。     

激光关联成像在烟幕条件下的实验研究

烟幕是一种复杂且特殊的散射介质,穿透烟幕成像是一项具有广阔应用前景的课题。为探究计算关联成像技术在烟幕环境下的抗散射性,设计烟幕箱结合计算关联成像的实验系统,在静态与动态散射的环境下进行了实验,得出了计算关联成像在探测路径存在静态与缓慢变化的动态烟幕情况下可实现成像的结论;针对快速动态烟幕条件下的成像降质问题,提出了逐点补偿方法。由于在动态散射的情况下光强涨落掺入了额外的衰减因素,利用获得的以特定频率投影特定帧的强度值可追踪衰减系数的变化,将原始光强值除以衰减系数得到校正后的光强值。该方法在低投影频率的条件下具有优势,通过对比得到了该方法的适用条件。