在低像素分辨率的高光谱图像中提高特征检测和匹配,使用基于3D卷积的罗网络
Chamika Janith Perera1, Chinthaka Premachandra2, Hiroharu Kawanaka1
1Graduate School of Engineering, Mie University, Tsu 514-0102, Japan.
Sensors (Basel, Switzerland)
|September 28, 2023
概括
本研究介绍了一种基于3D卷积的语网络,用于在低像素分辨率的高光谱图像中进行强大的特征匹配. 该方法提高了遥感和精准农业应用的准确性和可靠性.
科学领域:
- 遥感 遥感 遥感 遥感
- 精准农业 精准农业 精准农业
- 计算机视觉 计算机视觉
背景情况:
- 超光谱成像对于遥感和精准农业至关重要.
- 在超光谱图像中的特征匹配对于图像注册和对象识别等任务至关重要.
- 低像素分辨率的高光谱成像提供了成本和形式因素的好处,但由于纹理,清晰度和对比度的限制,挑战了现有的特征匹配方法.
研究的目的:
- 为了提高特征检测和匹配在低像素分辨率的高光谱图像中的稳定性.
- 在具有挑战性的成像条件下解决当前最先进方法的局限性.
- 为了提高功能匹配的准确性和可靠性,用于先进的遥感应用.
主要方法:
- 提出了一种利用基于3D卷积的语网络的新方法.
- 该方法结合了基于阶段拉伸转换的边缘检测和SIFT功能,用于初始匹配.
- 基于3D卷积的语网络被用来过不准确的匹配并确保稳定性.
主要成果:
- 拟议的方法在其他方法失败的最先进方法中表现出优越性.
- 它有效地与现有的方法在生成低像素分辨率高光谱图像的特征匹配方面进行竞争.
- 该方法通过利用光谱信息,成功过了不正确的匹配.
结论:
- 开发的基于3D卷积的语网络显著提升了用于低像素分辨率高光谱成像的特征匹配.
- 这种技术为关键的遥感任务提供了强大的解决方案,包括马赛克生成.
- 这项研究有助于克服高光谱成像中低分辨率数据所带来的挑战.
