Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种耦合相位结构和深度特征的多模态遥感图像匹配方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:东华理工大学南昌校区

摘要:本发明涉及遥感图像匹配技术领域,具体涉及一种耦合相位结构和深度特征的多模态遥感图像匹配方法,该方法利用相位结构特征检测算法对多模态遥感图像进行特征点检测;构建多级特征交互与聚合网络来提取深度特征描述符,多级特征交互与聚合网络包括双分支主干网络、基于坐标注意力机制的多级特征交互与聚合模块以及基于坐标注意力机制的密集特征融合模块。构建数据集对网络模型进行训练,并利用训练好的网络模型从图像中提取深度特征描述符;然后对深度特征描述符进行匹配,采用多层级误匹配剔除策略剔除误匹配,得到最终的匹配结果。本发明能够结合局部和全局语义信息,突出关键特征的表达,提高正确匹配点的数量和匹配点的定位精度。

主权项:1.一种耦合相位结构和深度特征的多模态遥感图像匹配方法,其特征在于,包括如下步骤:S1:利用相位结构特征检测算法对多模态遥感图像进行特征点检测,所述的相位结构特征检测算法包括点形状纹理滤波算法、相位一致性计算和Brisk算法,点形状纹理滤波算法用于获取多模态遥感图像的结构特征,相位一致性计算用于增强多模态遥感图像的边缘信息,Brisk算法用于进行关键点检测获得稳定的关键特征点;S2:构建多级特征交互与聚合网络,所述的多级特征交互与聚合网络包括双分支主干网络、基于坐标注意力机制的多级特征交互与聚合模块以及基于坐标注意力机制的密集特征融合模块;所述的双分支主干网络包括上分支网络和下分支网络,上分支网络为卷积神经网络,用于获取图像的局部特征,下分支网络为Transformer网络,用于提取图像的全局特征;所述的基于坐标注意力机制的多级特征交互与聚合模块包括通道特征交互模块和空间特征交互模块,通道特征交互模块用于将双分支主干网络不同阶段的特征在通道维度上进行交互与聚合,空间特征交互模块用于将双分支主干网络不同阶段的特征在空间维度上进行交互与聚合;所述的基于坐标注意力机制的密集特征融合模块包括特征聚合模块和特征融合模块,特征聚合模块用于对双分支主干网络提取的局部和全局特征进行聚合,特征融合模块用于对聚合后的特征进行融合得到深度特征描述符,过滤冗余特征;S3:构建多模态遥感图像数据集并对多级特征交互与聚合网络进行训练,利用混合相似度量三重态损失函数从多级特征交互与聚合网络提取的深度特征描述符中计算出匹配深度特征描述符与非匹配深度特征描述符之间最小的距离,根据距离计算出混合相似度量三重态损失函数的值并进行反向传播,从而优化网络模型,防止梯度消失和过拟合,优化网络模型,完成网络训练;S4:使用训练完成的多级特征交互与聚合网络根据步骤S1中检测到的关键特征点提取深度特征描述符,并利用最邻近匹配算法对深度特征描述符进行匹配,获得初始匹配结果;S5:利用多层级误匹配剔除策略对初始匹配结果进行误匹配剔除,得到最终的匹配结果;所述的多层级误匹配剔除策略包括自适应阈值约束、基于网格运动统计算法粗筛选和边缘化样本共识算法精匹配。

全文数据:

权利要求:

百度查询: 东华理工大学南昌校区 一种耦合相位结构和深度特征的多模态遥感图像匹配方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。