基于注意力和特征融合的光学遥感图像配准

针对部分基于深度学习的光学遥感图像配准模型配准精度较低、用时较长的问题，提出了一种结合了注意力块和残差网络的配准方法。首先使用随机颜色抖动增强数据，然后采用改进的双注意力块过滤图像中的无关信息和干扰信息，紧接着采用改进的残差网络提取过滤后图像的高、低维特征信息并进行融合。最后利用双向相关特征匹配得到两个匹配关系，并计算合成图像的匹配参数，再通过仿射变换完成图像配准。在四个数据集上的实验结果表明，平均配准精度提升了6.87%,而平均配准时间仅为1.23秒，提高了光学遥感图像配准的精度与效率。