45 / 2024-08-13 17:16:42

RMSO-ConvNeXt：强噪声干扰下SAR和光学图像鲁棒匹配的轻量级CNN网络-AITC 2024+空天之星

图像匹配,深度学习,SAR,光学,图像噪声

合成孔径雷达(Synthetic Aperture Radar，SAR)和光学图像具有互补的成像信息，在军事侦察和飞行器视觉导航等领域的联合应用前景广阔，其中关键任务是实现精确的图像匹配。然而，由于成像特性的显著差异和复杂电磁环境中强烈的噪声干扰，SAR和光学图像的匹配面临巨大挑战。同时，机载平台的有限硬件资源使得现有匹配算法难以满足在线实时匹配的需求。鉴于此，本文提出了一种轻量级、高性能、鲁棒的SAR和光学图像匹配方法。主要贡献包括设计了一个轻量级卷积神经网络和一个SAR图像随机掩膜抗噪声特征重建网络（命名为RMSO-ConvNeXt）。首先，构建了一个轻量级的伪孪生密集特征提取网络模块，用于SAR和光学图像的像素级特征提取，该模块可以高效地提取异构图像之间的共同特征。然后，设计了一个SAR随机噪声掩膜特征重建网络以解决SAR图像中的噪声干扰问题，并构建了一个新的联合损失函数，显著增强了模型抵抗强噪声干扰的能力。最后，利用频率域的差平方和度量测度实现了光学和SAR的自动匹配。通过大量的实验结果证明，与当前最先进的匹配方法相比，所提出的方法表现出更强的鲁棒性、更好的匹配性能和更小的模型参数。