王少杰 武文波 徐其志

VGG与DoG结合的光学遥感影像精确配准方法

王少杰1武文波*2徐其志3

（1北京化工大学，北京 100029）（2北京空间机电研究所，北京 100094）（3北京理工大学，北京 100081）

光学遥感成像分辨率高、幅宽大，相似地物多，在图像配准中极易产生特征点误匹配。现有深度网络配准方法直接将特征图中的极大值点作为图像配准的特征点，特征点提取与匹配的准确性差，导致图像精度低。针对该问题，文章提出新方法，将高斯差分图像（Difference of Gaussian，DoG）与Visual Geometry Group（VGG）网络组合起来，构成一个新网络，即Difference of Gaussian with VGG（DVGG）网络；然后从高斯差分图像中提取极大值点作为配准的特征点，将DVGG网络提取的特征图作为特征点的特征描述，用于计算两幅图像特征点匹配的相似度。最后，利用Google Earth软件获取的遥感影像，进行了实验验证，并与尺度不变特征变换（Scale Invariant Feature Transform，SIFT）和加速稳健特征（Speeded Up Robust Features，SURF）方法进行了对比。实验结果表明：新方法的图像配准精度高，优于对比方法。

图像配准 深度学习 特征提取 光学遥感

0 引言

图像配准技术是指将不同时间、不同视角和不同传感器获取的两幅图像进行匹配的过程，目前此技术已经广泛应用到了遥感、医学等领域[1]。其中遥感领域的图像配准是许多遥感图像处理过程中必不可少的一部分，例如目标检测、图像融合、语义分割等任务都需要在配准成功的前提下进行，因此光学遥感影像的配准技术成为了研究热点[2]。

传统的图像配准方法主要分为基于灰度的方法和基于特征的方法[3-4]，其中基于特……