利用改进CNN的无人机遥感影像特征描述符的学习方法

摘要

由于人工设计的特征描述符往往通过增加描述符构造的复杂度提高鲁棒性，导致描述符的实时性降低。为了提高描述符鲁棒性与实时性的兼容能力，本文对基于卷积神经网络（CNN）的特征描述符学习方法进行改进。通过交换三重样本间基准样本挖掘“难样本对”，解决了现有基于CNN特征描述符学习方法中“难样本对”挖掘计算成本较高的问题。同时，结合无人机影像的特点，采用多分辨率训练样本代替原有单一分辨率训练样本，使基于CNN的特征描述符学习方法更好地适用于无人机影像匹配。试验表明，本文改进的基于CNN的特征描述符学习方法获得的描述符可以较好地兼顾鲁棒性和实时性，且对无人机影像匹配有较好的应用效果。