高空间分辨率光学卫星立体像对中先进特征匹配算法的比较分析
计算机视觉与模式识别
2024-05-13 v1
摘要
特征匹配决定了高空间分辨率（HSR）光学卫星立体像对的定向精度，进而影响三维重建和变化检测等多个重要应用。然而，异轨 HSR 光学卫星立体像对的匹配常常面临挑战性条件，包括宽基线观测、显著的辐射差异、多时相变化、变化的空间分辨率、不一致的光谱分辨率以及多样的传感器。在本研究中，我们评估了用于 HSR 光学卫星立体像对的各种先进特征匹配算法。利用一个由五颗卫星在六种挑战性场景下专门构建的数据集（HSROSS 数据集），我们对四种算法进行了比较分析：传统的 SIFT，以及基于深度学习的方法，包括 SuperPoint + SuperGlue、SuperPoint + LightGlue 和 LoFTR。我们的研究结果突显了 SuperPoint + LightGlue 在平衡鲁棒性、精度、分布和效率方面的整体优越性能，展示了其在复杂 HSR 光学卫星场景中的潜力。
引用
@article{arxiv.2405.06246,
title = {Comparative Analysis of Advanced Feature Matching Algorithms in Challenging High Spatial Resolution Optical Satellite Stereo Scenarios},
author = {Qiyan Luo and Jidan Zhang and Yuzhen Xie and Xu Huang and Ting Han},
journal= {arXiv preprint arXiv:2405.06246},
year = {2024}
}
备注
The manuscript is accepted as Oral Presentation in IEEE International Geoscience and Remote Sensing Symposium(IGARSS 2024)