【CN109903299A】一种条件式生成对抗网络的异源遥感图像配准方法及装置【专利】

一种遥感图象自动配准方法
沈楠;曹计昌
【期刊名称】《计算机工程与应用》
【年(卷),期】2004(040)003
【摘要】遥感图象的配准是多项重要的图象处理工作(如图象融合、图象比较、图象计算等)的前提.该文提出了一种简单可靠的遥感图象自动配准方法,该方法利用待配准图象之间的灰度相关性,首先采用改进的有利算子(兴趣算子)自动地在基准图象上搜寻特征点,然后进行特征点匹配,在待配准图象上搜寻特征点的同名点,并按相关性的大小从中筛选出有效的控制点,构成不规则三角网(TIN),最后对三角网中的每一个三角形进行多项式拟合和插值变换.与传统的人工输入控制点方法相比,该文提出的方法具有更高的精确度,而且节省了人力和时间,实验证明具有一定的实用性.【总页数】4页(P75-78)
【作者】沈楠;曹计昌
【作者单位】华中科技大学计算机科学与技术学院,武汉,430074;华中科技大学计算机科学与技术学院,武汉,430074
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于多阈值的形态学提取遥感图象海岸线特征方法 [J], 瞿继双;王超;王正志
2.一种多光谱遥感图象的自适应最小距离分类方法 [J], 朱建华;刘政凯;俞能海
3.一种多光谱和SAR遥感图象的配准方法 [J], 于秀兰;刘绍龙;钱国蕙;贾晓光
4.一种自适应遥感图象小目标检测新方法 [J], 杨冬云
5.一种适用于多类别遥感图象分类的方法——复合神经网络分类方法 [J], 李厚强;王宜主;刘政凯
因版权原因，仅展示原文概要，查看原文内容请购买。

一种利用相位信息的异源遥感影像配准方法舒建英;白兰东;李中华;叶沅鑫【摘要】提出一种利用相位信息的异源遥感影像配准方法。

首先对两幅影像进行相位一致性变换以消除影像间的灰度和对比度差异，并利用相位一致性最小矩在参考影像上提取特征点，然后以相关系数作为相似性测度，在输入影像上采用模板匹配策略获取同名点，最后采用投影变换实现影像配准。

实验表明，该方法对于异源遥感影像具有较强的适应性，且配准精度较高。

【期刊名称】《地理空间信息》【年(卷),期】2014(000)003【总页数】3页(P81-83)【关键词】影像配准;相位一致性;相关系数;精度分析【作者】舒建英;白兰东;李中华;叶沅鑫【作者单位】成都市国土规划地籍事务中心，四川成都 610000;成都市国土规划地籍事务中心，四川成都 610000;成都市国土规划地籍事务中心，四川成都610000;西南交通大学地球科学与环境工程学院，四川成都 610031【正文语种】中文【中图分类】P237.4影像配准是变化检测、影像镶嵌和影像融合的基本预处理步骤，但是由于时相、波段、传感器等不同，异源遥感影像之间往往存在较大的几何形变和辐射(灰度)差异。

目前，大多数影像配准方法可分为两类[1]：基于灰度的方法和基于特征的方法。

基于灰度的方法是根据影像间灰度的相似性来实现配准，常用的灰度相似性测度有相关系数[1]、相位相关[2]和互信息[3]等，但这类方法对影像间的几何形变和灰度差异较为敏感，难以解决异源遥感影像间的配准问题。

基于特征的方法首先在影像间提取点、线、面等特征，然后根据特征之间的相似性进行匹配，更适用于异源遥感影像的配准[4]。

目前最为流行的特征匹配方法是具有尺度和旋转不变性的SIFT (scale invariant feature transform)算法[5]，但SIFT是基于影像局部邻域的梯度分布的，当影像间灰度差异较大时，梯度信息不能提供稳定的特征[6]。

遥感图像的快速配准方法
田越;张永梅;李波
【期刊名称】《北京航空航天大学学报》
【年(卷),期】2008(034)011
【摘要】针对多传感器遥感图像的配准,提出了一种快速有效的图像配准方法.该基于分级候选点集匹配的配准算法充分利用了分级匹配和候选点集匹配方法的优点,减少了特征提取空间和搜索空间.并在同名控制点对的确定中引入距离计算,能更有效地确定同名控制点对,减少了误匹配率,增加的距离计算时间代价很小,而且不随图像大小发生变换,只与最终匹配点对数目有关.采用主观与客观判断相结合的方法进行配准评价,实验结果表明,该算法在图像存在一定背景噪声,同时具有平移、旋转的情况下,可以准确地进行配准,提高了配准速度和精度.
【总页数】4页(P1356-1359)
【作者】田越;张永梅;李波
【作者单位】北京航空航天大学,计算机学院,北京,100191;北京航空航天大学,计算机学院,北京,100191;北京航空航天大学,计算机学院,北京,100191
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于融合处理的遥感图像快速配准方法 [J], 魏雪云;李景文;徐华平
2.大幅面多光谱遥感图像快速自动配准 [J], 徐丽燕;张洁玉;孙巍巍;孙权森;夏德深
3.含大面积平坦区域高分辨率遥感图像快速配准 [J], 许夙晖;慕晓冬;柯冰;陈晓
4.含大面积平坦区域高分辨率遥感图像快速配准 [J], 许夙晖;慕晓冬;柯冰;陈晓;
5.基于角点特征的遥感图像快速配准 [J], 钱社军;王正勇;何小海;;;
因版权原因，仅展示原文概要，查看原文内容请购买。

专利名称：遥感信息图像样本标记方法及装置专利类型：发明专利
发明人：彭玲,陈德跃,吕蓓茹,李玮超
申请号：CN202010225885.0
申请日：20200326
公开号：CN111428792A
公开日：
20200717
专利内容由知识产权出版社提供
摘要：本公开提供了一种遥感图像标记方法及装置，对遥感图像中的像素点进行分类，获取遥感图像的二值图像，在所述二值图像中，正样本的像素值为1，负样本的像素值为0；提取所述二值图像中的正样本；通过轮廓提取算法，获取正样本轮廓的外包点集，对所述正样本进行标记；将标记后的图像转换为矢量图像，保存为训练样本。

可以快速对遥感图像进行标记，减少图像勾绘的人工成本，可在短时间内获取大量图像样本，用于深度学习算法的训练，获取精度较高的预测结果。

申请人：中国科学院空天信息创新研究院
地址：100101 北京市朝阳区大屯路甲20号北
国籍：CN
代理机构：北京名华博信知识产权代理有限公司
代理人：李冬梅
更多信息请下载全文后查看。

专利名称：遥感数据增强生成对抗网络方法、系统、存储介质及应用
专利类型：发明专利
发明人：陈晨,马洪祥,吕宁,周扬
申请号：CN202010496962.6
申请日：20200603
公开号：CN111931553A
公开日：
20201113
专利内容由知识产权出版社提供
摘要：本发明属于遥感图像处理技术领域，公开了一种遥感数据增强生成对抗网络方法、系统、存储介质及应用，本发明减小图像的语义损失，提高图像的生成质量。

图像在下采样过程中的多次卷积是造成图像语义损失的重要因素，因此本发明提出一种改进的下采样模块，有效减小图像的语义损失。

本发明提高图像生成速度，解决算法耗时长的问题。

对于深度神经网络，网络参数量越大，算法的运行时间越长，参数量越小的网络耗时越短，受此启发，本发明将生成模型划分为几个结构类似的子网络，在生成质量相差不大的情况下，选取参数量较小的子网络作为生成模型，有效提高了图像的生成速度。

申请人：西安电子科技大学
地址：710071 陕西省西安市太白南路2号西安电子科技大学
国籍：CN
代理机构：西安长和专利代理有限公司
代理人：黄伟洪
更多信息请下载全文后查看。

第54卷 第2期2021年2月通信技术Communications Technology Vol.54 No.2Feb. 2021·344·文献引用格式：阴俊恺，张正强，吴震，等.一种基于图像块描述子学习的异源遥感图像匹配方法[J].通信技术，2021，54（2）：344-351.YIN Junkai, ZHANG Zhengqiang, WU Zhen, et al. A Heterogeneous Remote Sensing Image Matching Method based on Image Block Descriptor Learning [J].Communications Technology,2021,54(2):344-351.doi:10.3969/j.issn.1002-0802.2021.02.013一种基于图像块描述子学习的异源遥感图像匹配方法*阴俊恺，张正强，吴 震，曾 兵，李 斌（成都三零凯天通信实业有限公司 研发中心，四川 成都 610041）摘 要：针对光学-合成孔径雷达（Synthetic Aperture Radar，SAR）异源遥感图像的匹配问题，提出了一种基于图像块描述子的深度学习算法。

该方法首先使用图像直方图均衡化算法提升图像质量，在此基础上使用Harris 与SIFT 算法提取待匹配图像块，再使用提出的深度学习方法计算图像块描述特征向量，最终使用改进的RANSAC 算法求解光学-SAR 图像变换矩阵。

通过80组真实的光学-SAR 异源遥感图像进行实验，结果表明该方法相较于无预处理与L2Net 算法可以获得更高的匹配数量，并随机选取SEN-12数据集中的四幅图像直观展示了匹配结果。

关键词：异源遥感匹配；图像块描述子；深度学习；卷积神经网络中图分类号：TP75 文献标识码：A 文章编号：1002-0802(2021)-02-0344-08A Heterogeneous Remote Sensing Image Matching Methodbased on Image Block Descriptor LearningYIN Junkai, ZHANG Zhengqiang, WU Zhen, ZENG Bing, LI Bin(Chengdu 30kaitian Communication Industry Co., Ltd., Chengdu Sichuan 610041, China)Abstract: Aiming at the matching problem of optical-SAR heterogeneous remote sensing images, this paper proposes a deep learning algorithm based on image block descriptors. This method first adopts the image histogram equalization algorithm to improve the image quality, then uses Harris and SIFT algorithms to extract the image block to be matched, and then uses the deep learning method proposed in this paper to calculate the image block description feature vector, and finally uses the improved RANSAC algorithm to solve the optical-SAR image transformation matrix. Experiments with 80 sets of real optical-SAR heterogeneous remote sensing images show that this method can obtain a higher number of matches compared with no preprocessing and L2Net algorithm. And by randomly selecting four images in the SEN-12 data set, the matching result is visually displayed.Keywords: heterogeneous remote sensing matching; image block descriptor; deep learning; onvolutional neural network* 收稿日期：2020-10-21；修回日期：2021-01-10 Received date:2020-10-21;Revised date:2021-01-10图1 异源遥感匹配方法总体流程原始异源遥感图像质量较差，经常出现过曝图像或过暗图像，图像直方图均衡化方法可以将图像进行像素非线性重映射，使其均衡分布、实现对比度的增强，从而提高关键点检测效果和图像块描述能力。

专利名称：一种基于生成对抗网络的图像非刚性配准方法及系统
专利类型：发明专利
发明人：张桂梅,胡强
申请号：CN201910306907.3
申请日：20190417
公开号：CN110021037A
公开日：
20190716
专利内容由知识产权出版社提供
摘要：本发明公开一种基于生成对抗网络的图像非刚性配准方法及系统，方法包括：基于真实的医学图像数据集获取合成的医学图像数据集，将合成的数据集作为生成对抗网络模型的训练样本，将真实的数据集作为最优化生成对抗网络模型的验证和测试数据集；构造生成对抗网络模型的结构，基于合成的医学图像数据集，对生成对抗网络模型进行迭代训练，得到最优化的生成对抗网络模型；基于最优化的生成对抗网络模型对真实医学图像数据集中的待配准图像对进行图像的非刚性配准，得到与参考图像贴近的矫正后图像。

本发明中的上述方法能够在医学图像训练样本数量少、缺乏标注信息的情况下，提高医学图像非刚性配准的精度和速度，从而增强了配准方法和系统的泛化能力。

申请人：南昌航空大学
地址：330000 江西省南昌市丰和南大道696号
国籍：CN
代理机构：北京高沃律师事务所
代理人：程华
更多信息请下载全文后查看。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910755063.0(22)申请日 2019.03.08(62)分案原申请数据201910177348.0 2019.03.08(71)申请人 腾讯科技（深圳）有限公司地址 518000 广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人 周昵昀　韩骁　姚建华　(74)专利代理机构 深圳市隆天联鼎知识产权代理有限公司 44232代理人 刘抗美(51)Int.Cl.G06K 9/62(2006.01)G06N 3/04(2006.01)(54)发明名称图像处理模型生成方法、图像处理方法及装置、电子设备(57)摘要本公开提供一种基于对抗生成网络的图像处理模型生成方法、图像处理模型生成方法及装置、电子设备、存储介质；涉及人工智能技术领域。

所述图像处理模型生成方法包括：获取原始生物染色图像的染色特征；通过第一生成器将原始生物染色图像转换为第一生物染色图像，并通过第一判别器对第一生物染色图像和参考生物染色图像进行判别；结合原始生物染色图像的染色特征，通过第二生成器将第一生物染色图像转换为第二生物染色图像；根据各生成器以及各判别器的输出计算对抗生成网络的损失函数，并根据损失函数对对抗生成网络进行训练；基于训练后的对抗生成网络获取图像处理模型。

本公开可以在保证色彩转换准确性的同时具有更强的泛化能力。

权利要求书3页 说明书22页 附图8页CN 110490247 A 2019.11.22C N 110490247A权　利　要　求　书1/3页CN 110490247 A1.一种基于对抗生成网络的图像处理模型生成方法，所述对抗生成网络包括第一生成器、第二生成器及第一判别器；其特征在于，所述方法包括：获取原始生物染色图像的染色特征；通过所述第一生成器将所述原始生物染色图像转换为第一生物染色图像，并通过所述第一判别器对所述第一生物染色图像和参考生物染色图像进行判别；结合所述原始生物染色图像的染色特征，通过所述第二生成器将所述第一生物染色图像转换为第二生物染色图像；根据各所述生成器以及各所述判别器的输出计算所述对抗生成网络的损失函数，并根据所述损失函数对所述对抗生成网络进行训练；基于训练后的对抗生成网络获取图像处理模型。