一种基于轻量化深度卷积网络的光学和SAR图像匹配方法

专利主权项内容

1.一种基于轻量化深度卷积网络的光学和SAR图像匹配方法，其特征在于，包括如下步骤：S1：对光学和SAR图像进行预处理并使用Fast算法进行特征点检测；S2：构建深度描述符提取模型，所述深度描述符提取模型包括同时提取局部信息和全局上下文语意信息的深度倒残差全卷积神经网络和密集特征纯化模块；所述深度倒残差全卷积神经网络由一个卷积层和多个重复的倒残差结构组成，倒残差结构使用全卷积层，全卷积层用于局部特征的提取和减少图像关键特征的损失，倒残差结构中内嵌的跨连接结构用于提取图像的全局和上下文信息和实现特征的重用；所述密集特征纯化模块，用于将深度倒残差全卷积神经网络输出的密集特征融合到一个深度描述符中；S3：利用公开的光学和SAR图像的数据集对深度描述符提取模型进行训练，损失函数从深度描述符提取模型输出的深度描述符中找出与匹配深度描述符对距离最小的两个非匹配的深度描述符，并计算深度描述符之间的距离，通过/>距离计算损失进行反向传播，优化模型参数，完成模型训练；S4：使用训练完的深度描述符提取模型根据检测到的特征点构建深度描述符，并利用最邻近匹配算法进行最邻近匹配，获得初始匹配结果；S5：对步骤S4获得的初始匹配结果使用去粗取精策略剔除误匹配，所述去粗取精策略剔除误匹配包括自适应阈值约束粗筛选和双RANSAC算法精筛选。