结合注意力机制的卫星遥感影像立体匹配

采用立体匹配技术对多视卫星遥感影像进行三维场景重建一直是摄影测量与遥感领域的核心问题。基于卷积神经网络的深度学习方法极大地促进了立体匹配技术的发展，然而其中涉及匹配困难和误匹配问题的相关研究仍然不足。为了提升卫星遥感影像不适定区域中视差估计的精度，本研究提出了一种结合注意力机制的立体匹配深度学习网络，在特征提取模块中加入注意力机制，分别从通道和空间两个维度捕获全局信息，对特征进行优化；在代价体的构建模块中构建新的代价体积，并重新设置视差的回归范围。为了验证本文方法的有效性，在US3D、WHU-Stereo两个数据集上分别与已有方法 Stereo-Net、PSM-Net进行了比较分析。结果表明，本文方法在EPE(endpointerror)和D₁两个指标上均能达到最优，取得了较好的性能，提高了立体匹配的精度，尤其在无纹理、重复纹理、遮挡及视差不连续区域表现出良好的鲁棒性。