残差块改进暹罗网络的遥感图像配准

摘要

针对传统遥感图像配准方法在近红外(NearInfrared,NIR)和可见光(RGB)图像配准上存在识别力不足,准确度低的问题,提出新算法,利用深度神经网络,学习用于NIR和RGB图像块匹配的描述符,并在此基础上构建出一种NIR和RGB遥感图像配准策略。为了更好地学习NIR和RGB图像特征,使用残差块改进密集连接暹罗网络,并增加新颖的交叉熵损失函数减少过拟合,然后通过模版搜索策略生成图像块之间的相似性得分。相似度得分值不仅用于确定对应点位置,还用于配准变换关系的计算,得到配准结果。上述算法在Landsat8中的五个数据集上进行了测试,仿真结果表明:上述算法有效地提高了网络对NIR和RGB遥感图像的识别力和配准的准确度。