一種基于學習型特征的多模態影像匹配方法

王迎春

安徽省基礎測繪信息中心，合肥 230031

1 引 言

隨著對地觀測技術的快速發展，多種平臺傳感器獲取的影像日趨豐富，為遙感信息的解譯和分析提供了重要的數據來源（楊威等，2022)。復雜環境目標區域的探測，經常受到云霧遮擋、成像質量等因素的影響，往往難以通過單一類型的影像獲取目標區域的全局信息（趙怡濤，2020)。通過結合多種類型影像的觀測優勢，能夠得到更為準確的分析結果。由于不同模態影像的輻射特征和幾何特征差異顯著，實際應用中它們之間高精度匹配一直是影像分析處理的難點（錢學飛等，2021；韋春桃等，2022；姚永祥等，2022)。

基于圖像特征點的影像匹配方法當前研究較為廣泛，利用特征提取器在圖像上檢測特征點，構建特征點描述符，并計算特征描述符之間的相似性，獲取同名特征點（張傳輝等，2021)。其中最重要的是如何實現圖像特征穩健的提取、描述與匹配，對此，國內外研究提出了多種多模態圖像匹配的方法（梁建國和馬紅，2014；Ma 等，2018；Ye 等，2019)。總體來說，圖像特征匹配方法經歷了由手工設計的淺層特征匹配到深度學習特征匹配的演化過程。手工設計的淺層特征中最著名的是尺度不變特征轉換（scale invariant feature transform，SIFT)特征描述符，但由于多模態影像之間的波段、成像模式、時相等差異顯著（陳鐘鴻，2020；崔學榮等，2022)，直接利用SIFT 算法檢測的特征對比度變化較大，難以獲得高度可重復性的同名特征，且SIFT算法檢測的特征點具有分布不均勻性，使得影像匹配效果通常較差（Fan 等，2018)。……