【摘 要】
：
极化SAR图像的配准是极化SAR图像处理的基础,需要具备较高的精度与速度。基于深度学习的极化SAR图像配准大多数是结合图像块特征的匹配与基于随机抽样一致性的参数迭代估计来
【机 构】
：
清华大学电子工程系,北京科技大学计算机与通信工程学院
【基金项目】
：
国家自然科学基金(61771043),中央高校基本科研业务费专项资金(FRF-IDRY-19-008,FRF-GF-19-017B)
论文部分内容阅读
极化SAR图像的配准是极化SAR图像处理的基础,需要具备较高的精度与速度。基于深度学习的极化SAR图像配准大多数是结合图像块特征的匹配与基于随机抽样一致性的参数迭代估计来实现的。目前尚未实现端到端的基于深度卷积神经网络的一步仿射配准。该文提出了一种基于弱监督学习的端到端极化SAR图像配准框架,无需图像切块处理或迭代参数估计。首先,对输入图像对进行特征提取,得到密集的特征图。在此基础上,针对每个特征点保留k对相关度最高的特征点对。之后,将该4D稀疏特征匹配图输入4D稀疏卷积网络,基于邻域一致性进行特征匹配的
其他文献
对海监视是极化SAR的重要应用,密集区域的舰船目标检测是当前面临的主要挑战之一。舰船密集区域受多目标串扰,传统的恒虚警率(CFAR)检测滑窗难以选取纯净的海杂波样本用于确
"新武侠"电影是指2003年CEPA后的香港武侠动作片,一度成为华语合拍片的主力,也催生了华语玄幻片的兴起。"新武侠"电影充分融入华语大电影制作的洪流,在器械、特技和动作设计
针对传统的极化SAR(PolSAR)图像超像素分割算法中采用的距离度量对相似性表征能力不足的问题,该文提出了一种基于测地线距离的极化SAR图像快速超像素分割算法。首先,对图像进