基于双语义引导网络DSG-Net的光学-SAR跨模态图像配准
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:DSG-Net: A Dual Semantic Guidance Network for Optical-SAR Image Registration
【字体:
大
中
小
】
时间:2026年09月23日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6.3
编辑推荐:
摘要:在复杂几何变换下,光学与合成孔径雷达(SAR)图像的配准仍然是一项具有挑战性的任务。这是由于成像机制和噪声模式的显著差异,以及巨大的空间形变所导致的。尽管最近在稀疏关键点匹配和稠密对应估计方面取得了进展,但现有方法仍然以外观驱动的跨模态相似度为主导,其稳定性和判别性受
摘要:
在复杂几何变换下,光学与合成孔径雷达(SAR)图像的配准仍然是一项具有挑战性的任务。这是由于成像机制和噪声模式的显著差异,以及巨大的空间形变所导致的。尽管最近在稀疏关键点匹配和稠密对应估计方面取得了进展,但现有方法仍然以外观驱动的跨模态相似度为主导,其稳定性和判别性受到固有域差异的限制。为了缓解这一问题,我们提出了DSG-Net——一种用于光学-SAR图像配准的双语义引导网络,该网络利用了从光学和SAR语义分割中获取的语义结构信息,相较于原始强度表示展现出更强的跨模态鲁棒性。具体而言,我们的方法将分割图分解为互补的语义边缘和语义内部:语义边缘捕捉模态不变的几何结构,并沿轮廓提供鲁棒的跨模态约束;语义内部则通过语义一致性在大幅空间形变下提供可靠的定位线索。在WHU-OPT-SAR和DFC2020数据集上的大量实验表明,DSG-Net在各种几何形变尺度下均持续优于稀疏和稠密配准基线方法。值得注意的是,在WHU-OPT-SAR数据集上,我们的DSG-Net实现了79.40%的CMR@1px,相比领先的基线方法取得了12.7%的相对提升。我们还在稀疏和稠密配准框架上进一步验证了所提设计的跨范式泛化能力,并取得了显著的性能提升。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号