-
公开(公告)号:CN117893584A
公开(公告)日:2024-04-16
申请号:CN202410020184.1
申请日:2024-01-07
Applicant: 北京工业大学
IPC: G06T7/33 , G06V10/75 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了基于编码器和解码器结构的深度学习SAR影像配准方法,该方法基于编码器和解码器的神经网络结构。本发明采用掩码进行配准,通过深度学习网络寻找图像之间掩码的匹配关系,以此来寻找参考图像和主图像之间的匹配关系,实现图像之间的配准。包括,(1)构建掩码数据集,用以训练深度学习模型;(2)构建基于编码器和解码器结构的深度学习模型;(3)使用模型对SAR影像配准;掩码相比于特征点含有更丰富的图像特征信息,具有较强的抗噪声能力,相比于特征点检测、描述和匹配的方法,本发明更具有稳定性且效率更高。