卷積神經(jīng)網(wǎng)絡(luò)特征在遙感圖像配準(zhǔn)中的應(yīng)用
關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò) 遙感圖像配準(zhǔn) 聚合卷積特征
摘要：遙感圖像配準(zhǔn)是許多遙感應(yīng)用的重要步驟之一。卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)提取的圖像高層特征在圖像分類和檢索問題上表現(xiàn)優(yōu)異,能夠克服低層配準(zhǔn)特征的表達(dá)能力有限、容易受到干擾等問題。因此對利用CNN特征進(jìn)行遙感圖像配準(zhǔn)開展研究。首先,針對遙感圖像配準(zhǔn)問題,對CNN中的全連接層特征和不同聚合大小的卷積層特征進(jìn)行了研究;然后,對利用CNN特征進(jìn)行圖像配準(zhǔn)的方法進(jìn)行了分析;最后,將CNN特征與尺度不變特征變換(scale-invariant feature transform,SIFT)特征在圖像的旋轉(zhuǎn)角度、縮放倍數(shù)和亮度依次變換時的配準(zhǔn)性能進(jìn)行了對比分析。實(shí)驗(yàn)結(jié)果表明,在匹配精度和正確對應(yīng)點(diǎn)的數(shù)量方面,CNN特征比SIFT方法具有更好的匹配性能;對變換后的圖像而言,微調(diào)后的CNN特征比SIFT特征具有更強(qiáng)的魯棒性。
國土資源遙感雜志要求:
{1}參考文獻(xiàn)中的每條項(xiàng)目應(yīng)齊全。
{2}來稿文責(zé)自負(fù)，抄襲率控制在15%以內(nèi)，嚴(yán)禁一稿多投。
{3}文內(nèi)有關(guān)特定內(nèi)容的注釋以尾注形式寫明，序號用帶圓圈的阿拉伯?dāng)?shù)字表示。
{4}關(guān)鍵詞每篇文章可選4-5個關(guān)鍵詞，請選擇能反映論文主要內(nèi)容或研究方法的詞作為關(guān)鍵詞。
{5}正文中出現(xiàn)一百字以上的引文，不必加注引號，直接將引文部分左邊縮排兩格，并使用楷體字予以區(qū)分。一百字以下引文，加注引號，直接放在正文中。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
