關鍵詞：卷積神經網絡 遙感圖像配準 聚合卷積特征 

摘要：遙感圖像配準是許多遙感應用的重要步驟之一。卷積神經網絡(convolutional neural network,CNN)提取的圖像高層特征在圖像分類和檢索問題上表現(xiàn)優(yōu)異,能夠克服低層配準特征的表達能力有限、容易受到干擾等問題。因此對利用CNN特征進行遙感圖像配準開展研究。首先,針對遙感圖像配準問題,對CNN中的全連接層特征和不同聚合大小的卷積層特征進行了研究;然后,對利用CNN特征進行圖像配準的方法進行了分析;最后,將CNN特征與尺度不變特征變換(scale-invariant feature transform,SIFT)特征在圖像的旋轉角度、縮放倍數(shù)和亮度依次變換時的配準性能進行了對比分析。實驗結果表明,在匹配精度和正確對應點的數(shù)量方面,CNN特征比SIFT方法具有更好的匹配性能;對變換后的圖像而言,微調后的CNN特征比SIFT特征具有更強的魯棒性。

國土資源遙感雜志要求:

{1}參考文獻中的每條項目應齊全。

{2}來稿文責自負，抄襲率控制在15%以內，嚴禁一稿多投。

{3}文內有關特定內容的注釋以尾注形式寫明，序號用帶圓圈的阿拉伯數(shù)字表示。

{4}關鍵詞每篇文章可選4-5個關鍵詞，請選擇能反映論文主要內容或研究方法的詞作為關鍵詞。

{5}正文中出現(xiàn)一百字以上的引文，不必加注引號，直接將引文部分左邊縮排兩格，并使用楷體字予以區(qū)分。一百字以下引文，加注引號，直接放在正文中。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社