[发明专利]一种基于神经网络的静止轨道谱段间图像配准方法

权利要求书

1.一种基于神经网络的静止轨道谱段间图像配准方法，其特征在于步骤如下：

步骤一、通过在轨面阵相机采集多谱段遥感图像，并对同一场景不同波段的图像对进行标注，并按比例划分为训练集和测试集；

步骤二、对已标注的训练集和测试集，采用卡尔曼滤波算法对原始图像对进行滤波降噪；

步骤三、采用SIFT特征提取算法提取标注图像对的特征点，构建训练集和测试集的图像特征点数据库；

步骤四、构建配准卷积神经网络模型，设置网络初始参数，以构建的图像特征点数据库为输入对配准卷积网络模型进行训练，确定网络参数和该模型下的图像配准精度；

步骤五、在步骤四构建的卷积网络模型基础上，调整卷积层数或每一层的神经元个数，重新开始步骤四的训练，当图像配准精度达到最高时，保留此时的卷积神经网络模型的结构及参数，作为最终的训练结果；

步骤六、采用测试集对训练所得的卷积神经网络模型进行测试，得到配准精度，若配准精度满足要求，则所述的卷积神经网络模型能够应用到实际的谱段间遥感图像配准中，若不满足，则说明训练集不能满足网络要求，需要扩大训练集，重新开始训练，直至满足精度要求为止。

2.根据权利要求1所述的一种基于神经网络的静止轨道谱段间图像配准方法，其特征在于：所述步骤四的谱段间图像配准卷积神经网络模型为8层卷积神经网络模型，且神经元数目逐层成倍递减。

3.根据权利要求1所述的一种基于神经网络的静止轨道谱段间图像配准方法，其特征在于：所述步骤四的卷积神经网络模型初始参数设置方法为选取两波段图像对特征点中欧式距离最小的一对特征点输入网络模型，以该特征点对生成的网络参数为该网络的初始参数。