用伪孪生 CNN 识别 SAR 与光学图像中的对应块
图像与视频处理
2018-05-23 v1 计算机视觉与模式识别
摘要
在本快报中，我们提出一种伪孪生卷积神经网络（CNN）架构，能够解决甚高分辨率（VHR）光学与合成孔径雷达（SAR）遥感影像中对应块识别任务。两条并行网络流各使用八个卷积层、一个用于融合各流所学特征的全连接层，以及基于二元交叉熵的损失函数，我们得到指示两块是否对应的独热判断。网络在自动生成的数据集上训练与测试，该数据集基于通过先前重建并随后配准的 3D 点云对 SAR 与光学影像进行确定性对齐而构建。构成数据集的块所提取自的卫星图像展现了一个包含许多 elevated 物体（即建筑物）的复杂城市场景，从而提供了最困难的实验环境之一。所得结果表明该网络能以高准确度预测对应块，显示出向通用多传感器关键点匹配流程进一步开发的巨大潜力。索引术语——合成孔径雷达（SAR），光学影像，数据融合，深度学习，卷积神经网络（CNN），图像匹配，深度匹配
引用
@article{arxiv.1801.08467,
title = {Identifying Corresponding Patches in SAR and Optical Images with a Pseudo-Siamese CNN},
author = {Lloyd H. Hughes and Michael Schmitt and Lichao Mou and Yuanyuan Wang and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:1801.08467},
year = {2018}
}