[發明專利]一種基于稠密連接的異源圖像自動配準方法

在審

• 申請號: 202111117036.4
• 申請日: 2021-09-23
• 公開（公告）號: CN113838107A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 關鍵;田左;董喆;蘭海燕;林尤添;原皓天;王愷瀚;肖飛揚;謝明杰;龍瀟嵐
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于稠密連接的異源圖像自動配準方法，其特征在于，包括以下步驟：

步驟1：SAR圖像與光學圖像相互轉換；

訓練一個用于轉換SAR與光學圖像的深度神經網絡循環生成式對抗網絡，將SAR圖像與光學圖像全部轉換成光學圖像或者SAR圖像；

設計兩個生成器，一個生成器用于將光學圖像轉換成SAR圖像，另一個生成器用于將SAR圖像轉換成光學圖像；

生成器首先進行編碼，使用卷積神經網絡對圖像進行特征點提取，將圖像壓縮特征向量，再通過組合圖像的不相似特征，將圖像的特征向量在兩個域中轉換，最后利用反卷積層解碼，得到生成圖像；

鑒別器的輸入為一張圖像，輸出為該圖像屬于生成器的輸出圖像或者原始圖像；鑒別器從圖像中提取相關特征，為了確定提取的特征是否屬于某種類別，需要再增加產生單一維度輸出的卷積層，通過以上方法完成異源圖像的轉換；

步驟2：特征點提取與特征編碼：

步驟2.1：采用改進的卷積神經網絡進行特征點的提取，利用Inception結構將多個不同尺度的池化層、卷積核進行整合，之后再通過稠密連接Densenet結構，使得任何兩層之間都有直接連接的密集連接結構；

步驟2.2：結合注意力機制，引入卷積塊注意力模塊，該模塊采用深度可分離卷積對特征圖提取出更為集中的注意力區域，得到線性融合對應強化后的注意力特征區域，從而得到了圖像的多尺度特征；

步驟2.3：采用三個不同尺度的特征來構建特征編碼，選取過渡層后輸出的特征構建特征描述符，完成一個樣本圖像特征點的提取；

步驟3：特征點匹配與坐標變換：

計算兩幅待配準圖像之間的特征距離，當特征點距離差值小于設定閾值時，則判定兩個特征點匹配；再采用一種混合高斯模型進一步動態地篩選特征點，通過期望最大化的過程來獲得圖像的坐標變換參數，完成圖像配準。