SFIVReg：基于风格过滤的无人机系统红外-可见光图像配准方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：SFIVReg: Style Filtering-Based Infrared-Visible Image Registration for UAV Systems

　　

摘要：

随着多传感器在无人机遥感领域的广泛应用，红外与可见光图像的配准已成为提升多模态遥感感知能力的关键步骤。然而，由于两种图像模式之间存在显著差异且变形情况复杂，实现高精度的无人机红外与可见光图像配准仍然具有挑战性。在本研究中，我们提出了一种基于风格过滤的红外-可见光图像配准网络（SFIVReg）。该网络的核心思路是设计一种特征风格过滤模块（FSFM），用以减轻不同模式图像之间的风格差异，从而有效增强有助于配准的特征。此外，我们还设计了共享坐标注意力融合解码器（SCAFD），该解码器引入了共享坐标注意力（SCA）机制，有助于网络更关注局部复杂的变形情况，并突出细节纹理特征，进而使后续预测的变形场更加精确。最后，所提出的边缘-纹理对齐损失函数从边缘相似性和变形平滑度两个方面为模型提供了更多约束，从而实现更精准的像素级图像配准。在构建的数据集上进行的定性和定量实验结果表明，所提出的配准方法取得了显著的性能提升，证明了其在复杂无人机场景下的多模态非刚性配准中的有效性与稳定性。