公开(公告)号：CN117710711B

公开(公告)日：2024-05-10

申请号：CN202410167897.0

申请日：2024-02-06

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  余师寻 ,  夏元平 ,  周福阳

IPC: G06V10/75 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06V20/13 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/084

Abstract: 本发明涉及一种基于轻量化深度卷积网络的光学和SAR图像匹配方法，对预处理的光学和SAR图像进行特征点检测；构建深度描述符提取模型，深度描述符提取模型包括深度倒残差全卷积神经网络和密集特征纯化模块，深度倒残差全卷积神经网络内嵌多个倒残差结构；利用数据集对深度描述符提取模型进行训练，并使用训练完成的深度描述符提取模型从图像中获取深度描述符；然后对深度描述符进行特征匹配，采用去粗取精策略剔除误匹配，去粗取精的误匹配剔除策略包括自适应阈值约束和双RANSAC算法。本发明能够结合局部信息和全局语义信息，减少关键特征损失，提取的深度描述符对非线性辐射差异具有较强的鲁棒性，提高了正确匹配点的数量和准确率。

公开(公告)号：CN117710711A

公开(公告)日：2024-03-15

申请号：CN202410167897.0

申请日：2024-02-06

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  余师寻 ,  夏元平 ,  周福阳

IPC: G06V10/75 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06V20/13 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/084

Abstract: 本发明涉及一种基于轻量化深度卷积网络的光学和SAR图像匹配方法，对预处理的光学和SAR图像进行特征点检测；构建深度描述符提取模型，深度描述符提取模型包括深度倒残差全卷积神经网络和密集特征纯化模块，深度倒残差全卷积神经网络内嵌多个倒残差结构；利用数据集对深度描述符提取模型进行训练，并使用训练完成的深度描述符提取模型从图像中获取深度描述符；然后对深度描述符进行特征匹配，采用去粗取精策略剔除误匹配，去粗取精的误匹配剔除策略包括自适应阈值约束和双RANSAC算法。本发明能够结合局部信息和全局语义信息，减少关键特征损失，提取的深度描述符对非线性辐射差异具有较强的鲁棒性，提高了正确匹配点的数量和准确率。

公开(公告)号：CN118968249B

公开(公告)日：2025-03-14

申请号：CN202411440665.4

申请日：2024-10-16

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  余师寻 ,  程朋根 ,  陈婷 ,  周福阳 ,  刘佳豪 ,  侯光亚

IPC: G06V10/80 ,  G06V10/75 ,  G06V10/82 ,  G06V10/774 ,  G06V10/42 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明涉及遥感图像匹配技术领域，具体涉及一种耦合相位结构和深度特征的多模态遥感图像匹配方法，该方法利用相位结构特征检测算法对多模态遥感图像进行特征点检测；构建多级特征交互与聚合网络来提取深度特征描述符，多级特征交互与聚合网络包括双分支主干网络、基于坐标注意力机制的多级特征交互与聚合模块以及基于坐标注意力机制的密集特征融合模块。构建数据集对网络模型进行训练，并利用训练好的网络模型从图像中提取深度特征描述符；然后对深度特征描述符进行匹配，采用多层级误匹配剔除策略剔除误匹配，得到最终的匹配结果。本发明能够结合局部和全局语义信息，突出关键特征的表达，提高正确匹配点的数量和匹配点的定位精度。

公开(公告)号：CN118968249A

公开(公告)日：2024-11-15

申请号：CN202411440665.4

申请日：2024-10-16

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  余师寻 ,  程朋根 ,  陈婷 ,  周福阳 ,  刘佳豪 ,  侯光亚

IPC: G06V10/80 ,  G06V10/75 ,  G06V10/82 ,  G06V10/774 ,  G06V10/42 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明涉及遥感图像匹配技术领域，具体涉及一种耦合相位结构和深度特征的多模态遥感图像匹配方法，该方法利用相位结构特征检测算法对多模态遥感图像进行特征点检测；构建多级特征交互与聚合网络来提取深度特征描述符，多级特征交互与聚合网络包括双分支主干网络、基于坐标注意力机制的多级特征交互与聚合模块以及基于坐标注意力机制的密集特征融合模块。构建数据集对网络模型进行训练，并利用训练好的网络模型从图像中提取深度特征描述符；然后对深度特征描述符进行匹配，采用多层级误匹配剔除策略剔除误匹配，得到最终的匹配结果。本发明能够结合局部和全局语义信息，突出关键特征的表达，提高正确匹配点的数量和匹配点的定位精度。