基于光流校正的复杂地形区多时相遥感影像配准

几何配准是影像后续处理的重要前提,是遥感信息处理领域研究的热点之一。复杂地形区多时相遥感影像的高精度配准一直是难以突破的难题,光流估计法通过逐像素位移增量解算为此提供了可行的解决思路,但光流法对地物变化异常敏感,经常导致计算的光流场及配准影像存在异常。为此,本文提出一种基于光流校正的复杂地形区多时相遥感影像配准方法,采用亮度和梯度双重约束获取光流场初值,在此基础上使用高斯拉普拉斯算子对异常光流进行检测,然后通过Delaunay三角形曲面插值对异常光流进行校正处理,从而得到各像素精准位移。实验表明,本文提出方法对存在地物变化的复杂地形区多时相遥感影像,可实现高保真、高精度的配准。     

遥感影像深度学习配准方法综述

遥感影像配准是指通过几何变换使两景或多景影像空间位置对齐的过程，是影像融合、变化检测、农业监测等应用的重要预处理步骤。近年来，深度学习引起了人们的广泛关注，并在遥感影像配准中成功应用。本文在简要介绍传统遥感影像配准方法的基础上，重点分析了深度学习在基于区域的配准方法、基于特征的配准方法两方面取得的重要进展，分享了用于遥感影像配准的公开数据集，并总结了深度学习在遥感影像配准中的机遇与挑战。