リモートセンシング画像マッチングのための新しいニューラルネットワーク

リモートセンシング (RS) 画像技術の急速な発展は、取得される画像が大きなサイズ、より高い解像度、そしてより複雑な構造を持つようになり、従来の手作り特徴ベースのマッチングの範囲を超えています。本論文では、画像マッチングタスクを二クラスの分類問題に変えるために、二ブランチネットワークに基づいた特徴学習アプローチを提案します。二つのキーポイントをマッチングするために、キーポイントを中心とした二つの画像パッチが提案されたネットワークに入力されます。このネットワークは、パッチマッチングのための識別的特徴表現を学習することを目的とし、より多くのマッチングペアを得ることができるように、より高いサブピクセルマッチング精度を維持する前提の下で動作します。提案されたネットワークは、RS画像の複雑な特性に対処するために二段階のトレーニングモードを採用しています。適応サンプル選択戦略が提案されており、各パッチのサイズはその中心キーポイントのスケールによって決定されます。これにより、各パッチはすべてのパッチがあらかじめ決められたサイズを持つのではなく、キーポイントの周りのテクスチャ構造を保持できます。マッチング予測段階では、マッチング効率とマッチング精度をそれぞれ改善するために、スーパー画素ベースのサンプルグレーディング戦略とスーパー画素ベースの順序空間マッチングという二つの戦略が設計されています。実験結果と理論的分析は、提案された方法の実現可能性、堅牢性、有効性を示しています。