基于ResNet和RF-Net的遥感影像匹配
发布时间:2023-04-21 02:25
针对Receptive Fields Network(RF-Net)中存在网络较浅、缺乏深层语义信息的问题,提出了一种基于Residual Network(ResNet)和RF-Net的改进网络用于遥感影像匹配。首先,通过对真实遥感影像进行裁剪、光照变换和仿射变换处理,得到图像对并计算同一序列中不同图像间的单应性矩阵,构建了一个遥感影像数据集。然后,提出了一种双通道的网络结构用于关键点检测,该双通道网络由Receptive Fields Detection(RF-Det)和ResNet构成,前者提取含有细节信息的浅层特征图,后者提取含有语义信息的深层特征图。此外,采用特征描述子提取网络L2-Net,得到128维特征向量用以描述关键点。最后,分别采用最近邻、带阈值的最近邻和最近邻距离比的策略对特征描述子进行匹配。实验结果表明,该网络在仅含光照变换、仅含仿射变换和同时包含这两种变换的遥感影像数据集上的匹配得分,比RF-Net分别提高了0.002,0.117,0.104,在关键点检测和匹配精度方面具有更优的性能。
【文章页数】:9 页
【文章目录】:
1 引言
2 ResNet
2.1 残差学习
2.2 基于短接的恒等映射
3 基于ResNet和RF-Net的网络
3.1 双通道网络结构
3.2 关键点检测
3.3 特征描述子提取网络
3.4 损失函数
4 实验结果
4.1 训练数据以及评估标准
4.2 训练过程
4.3 匹配结果
5 结论
本文编号:3795644
【文章页数】:9 页
【文章目录】:
1 引言
2 ResNet
2.1 残差学习
2.2 基于短接的恒等映射
3 基于ResNet和RF-Net的网络
3.1 双通道网络结构
3.2 关键点检测
3.3 特征描述子提取网络
3.4 损失函数
4 实验结果
4.1 训练数据以及评估标准
4.2 训练过程
4.3 匹配结果
5 结论
本文编号:3795644
本文链接:https://www.wllwen.com/guanlilunwen/gongchengguanli/3795644.html