Print

基于深度学习的遥感图像匹配方法

论文摘要

目前,图像自动配准技术已成为图像配准领域中的研究热点之一。如何提高匹配精度是图像配准的关键步骤,基于此本文提出基于深度学习的匹配方法。首先,描述了卷积神经网络模型的网络结构,通过改善经典模型的网络结构,将其应用到影像匹配任务当中;其次,利用训练好的自适应网络模型来获取控制点的特征表达;最后,将控制点的特征表达通过欧式距离算法进行相似度匹配。实验结果表明,本文方法大幅降低了图像匹配粗匹配的错误率,为后续配准建立了良好基础,且对数据源具有良好的稳健性。

论文目录

  • 0 引言
  • 1 算法设计
  • 2 卷积神经网络
  •   2.1 CNN网络结构
  •   2.2 CNN整体设计
  •   2.3 激活函数
  •   2.4 参数更新
  •   2.5 防止过拟合
  •     2.5.1 数据增强
  •     2.5.2“Dropout”防止过拟合
  •   2.6 特征可视化
  • 3 实验测试与结果分析
  •   3.1 实验数据集
  •   3.2 实验结果
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 郭正胜,李参海

    关键词: 图像配准,匹配,卷积神经网络,特征表达

    来源: 测绘与空间地理信息 2019年01期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 工业通用技术及设备,自动化技术

    单位: 辽宁工程技术大学测绘与地理科学学院,国家测绘地理信息局卫星测绘应用中心

    分类号: TP751;TP183

    页码: 138-141+146

    总页数: 5

    文件大小: 1257K

    下载量: 596

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/928581f8f02a2bc54719c696.html