训用一体的实践课程项目化弹性教学模式——以遥感影像三维重建专项训练课程为例

为了使课程更加贴近生产需要，学生掌握的操作技能更快形成生产力，在分析遥感影像三维重建专项训练课程的特点、教学现状和存在主要问题的基础上，提出训用一体的项目化弹性教学模式，将教学过程纳入到一线作业单位的生产环节中，以作业单位下达的任务为牵引，对教学内容进行项目化、弹性化设计，并将实践成果提交到作业单位进行评价和考核，同时供作业单位任务使用，形成生产闭环。教学实践表明，该教学模式可以有效提升学生参与积极性，促进学生实践成果质量的提升，具有良好的教学效果。     

多源遥感影像深度特征融合匹配算法

针对多源遥感影像之间成像机理不同、非线性光谱辐射畸变大以及灰度梯度差异明显等所导致的匹配困难问题，提出深度特征融合匹配算法（Feature Fusion Matching Algorithm, FFM）。① 通过构建特征图金字塔网络提取影像深度特征，使用特征连接结构将语义丰富的高层特征与定位精确的低层特征互补融合，解决多源影像同名特征难以表征的问题并提高特征向量的定位精度；② 对原始维度1/8的特征图进行交叉变换来融合自身邻域信息与待匹配影像特征信息，通过计算特征向量间的相似性得分得到初次匹配结果，针对特征稀疏区域，提出滑动窗口自适应得分阈值检测算法来提升匹配效果；③ 将匹配结果映射至亚像素级特征图，在小窗口内计算像素间的匹配概率分布期望值来检校优化匹配结果，提高匹配点对的准确性；④ 使用PROSAC算法对匹配结果进行提纯，有效剔除误匹配的同时最大限度保留正确匹配点。试验选取6对多源遥感影像，将FFM同SuperPoint、SIFT、ContextDesc以及LoFTR算法进行对比，结果表明FFM算法在匹配点正确率、匹配点均方根误差以及分布均匀度等方面远优于其他算法。将FFM匹配结果用于多源遥感影像配准，配准效果得到较高提升。