[发明专利]基于深度学习的SAR图像精细配准方法有效
| 申请号： | 201910943154.7 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110728706B | 公开（公告）日： | 2021-07-06 |
| 发明（设计）人： | 丁金闪;黄学军;温利武;秦思琪 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06T7/33 | 分类号： | G06T7/33;G06T5/00 |
| 代理公司： | 陕西电子工业专利中心 61205 | 代理人： | 王品华;黎汉华 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的SAR图像精准配准方法，主要解决传统方法无法校正局部畸变和耗时的问题。其实现方案为：1)获取训练数据集；2)构建用于SAR图像精细配准的神经网络；3)构造用于SAR图像精细配准的神经网络的模型的损失函数；4)利用训练数据集对用于SAR图像精细配准的神经网络进行训练，得到训练好的网络模型；5)将待配准的SAR图像和作为参考的SAR图像输入到训练好的网络模型中，得到配准好的SAR图像。本发明能够校正SAR图像间的整体形变和局部畸变，提高了配准性能，加快了配准速度，可用于SAR图像融合和变化检测。 | ||
| 搜索关键词： | 基于 深度 学习 sar 图像 精细 方法 | ||
【主权项】：
1.一种基于深度学习的SAR图像精细配准方法，其特征在于，包括如下：/n(1)获取多幅从不同视角观测同一场景得到的有重叠区域的SAR图像，得到数据集Φ；/n(2)构建用于SAR图像精细配准的神经网络：/n(2a)构建用于校正图像间整体形变的子卷积神经网络，该子卷积神经网络依次由八个卷积层和一个全局平均池化层组成，其中前七个卷积层激活函数采用ReLU函数，第八层卷积层输出3个特征图，激活函数为线性函数，全局平均池化层对每个特征图中所有值进行平均，得到分别对应图像间几何形变的水平平移量、垂直平移量和旋转角度这三个输出值，根据这三个输出值采用二次线性插值法对待配准图像的进行全局校正；/n(2b)构建用于校正SAR图像间局部形变的子残差神经网络，该子残差神经网络依次由激活函数是ReLU函数的八个卷积层和四个反卷积层组成，其中前三个反卷积层后的激活函数同是ReLU函数，第四个反卷积层后的激活函数是Tanh函数；根据该子残差神经网络输出1张特征图和参考图像对应像素值的偏移量u，采用二次线性插值法对经过子卷积神经网络校正后的图像进行局部畸变校正；/n(2c)将步骤(2a)和(2b)构建的两个子神经网络依次连接，组合成SAR图像精细配准神经网络；/n(2d)构建SAR图像精细配准的神经网络的损失函数Loss：/n(2d1)构造子卷积神经网络的损失函数：loss
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910943154.7/，转载请声明来源钻瓜专利网。
