公开(公告)号：CN115880343A

公开(公告)日：2023-03-31

申请号：CN202211218675.4

申请日：2022-10-06

Applicant: 上海应用技术大学

Inventor： 陈颖 ,  王伟 ,  田泽坤 ,  孙玮

IPC: G06T7/33 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/42 ,  G06V10/774

Abstract: 本发明涉及一种基于双视野全卷积神经网络的多时相遥感图像配准方法，本发明结合迁移学习，在原有预训练VGG16网络基础上增加了一条网络分支AlexNet网络，VGG16网络关注图像的局部特征，AlexNet网络关注图像的全局特征，并采用密集连接结构改进AlexNet网络，提高特征重用；采用双分支网络改进网格损失函数，根据两条网络回归得到的四个参数对原先的单分支网络网格损失函数进行改进，避免单条网络网格损失函数的误差，将低级语义信息与高级语义信息互传，从而增强低级语义信息与高级语义信息的特征融合，既保留了更多的边缘、形状等信息，又确保提取到的语义信息足够丰富，进一步提高了多时相遥感图像配准的精度。

公开(公告)号：CN118261947A

公开(公告)日：2024-06-28

申请号：CN202410090565.7

申请日：2024-01-23

Applicant: 上海应用技术大学

Inventor： 陈颖 ,  孙玮 ,  田泽坤

IPC: G06T7/33 ,  G06T3/147 ,  G06V10/75 ,  G06V10/82 ,  G06N3/045 ,  G06N3/082

Abstract: 本发明提出一种基于视觉变压器的遥感图像配准方法，在预处理阶段，首先对输入图像中的参考图像进行内部增强，然后利用带有先验知识的空间变换网络对参考图像进行仿射变换。在特征提取阶段，本发明提出了视觉变压器网络与Shuffle网络相结合算法，轻量化的视觉变压器网络利用子注意力学习图像点之间的长距离关系，Shuffle网络学习图像空间特征和详细的定位信息，获得高维的特征信息。在特征匹配阶段，首先利用邻域一致网络过滤特征点，然后采用互相关算法计算两张图像块中对应特征的相似度。最后由估计的仿射变换参数得到配准结果图。本发明与传统的基于区域匹配、深度特征等算法相比整体表现优良，配准精度有所提升。

公开(公告)号：CN117670661A

公开(公告)日：2024-03-08

申请号：CN202311842776.3

申请日：2023-12-29

Applicant: 上海应用技术大学

Inventor： 陈颖 ,  田泽坤 ,  孙玮

IPC: G06T3/147 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0475

Abstract: 本发明涉及一种基于双通道注意力卷积网络的遥感图像配准方法，包括以下步骤：获取遥感数据集的图像对，从中获取源图像和目标图像；采用双通道注意力卷积神经网络分别提取输入图像的特征信息，并输出提取到的源图像特征S和目标图像特征T，源图像特征S0和目标图像特征T0；分别对双通道的特征图进行匹配，计算S和T、S0和T0的相关性，再使用改进的特征匹配方法对两个匹配结果进行匹配、筛选得到最终结果；通过参数回归和网格损失函数得到图像特征参数；将图像特征参数作为变换参数，用于指导源图像进行仿射变换，完成图像配准。解决来多视角、多时相遥感图像配准的精度和效率不高问题，提高了多视角、多时相遥感地形图像配准的精度和效率。