关键词：卷积神经网络 遥感图像配准 聚合卷积特征 

摘要：遥感图像配准是许多遥感应用的重要步骤之一。卷积神经网络(convolutional neural network,CNN)提取的图像高层特征在图像分类和检索问题上表现优异,能够克服低层配准特征的表达能力有限、容易受到干扰等问题。因此对利用CNN特征进行遥感图像配准开展研究。首先,针对遥感图像配准问题,对CNN中的全连接层特征和不同聚合大小的卷积层特征进行了研究;然后,对利用CNN特征进行图像配准的方法进行了分析;最后,将CNN特征与尺度不变特征变换(scale-invariant feature transform,SIFT)特征在图像的旋转角度、缩放倍数和亮度依次变换时的配准性能进行了对比分析。实验结果表明,在匹配精度和正确对应点的数量方面,CNN特征比SIFT方法具有更好的匹配性能;对变换后的图像而言,微调后的CNN特征比SIFT特征具有更强的鲁棒性。

国土资源遥感杂志要求:

{1}参考文献中的每条项目应齐全。

{2}来稿文责自负，抄袭率控制在15%以内，严禁一稿多投。

{3}文内有关特定内容的注释以尾注形式写明，序号用带圆圈的阿拉伯数字表示。

{4}关键词每篇文章可选4-5个关键词，请选择能反映论文主要内容或研究方法的词作为关键词。

{5}正文中出现一百字以上的引文，不必加注引号，直接将引文部分左边缩排两格，并使用楷体字予以区分。一百字以下引文，加注引号，直接放在正文中。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社