-
公开(公告)号:CN114359603B
公开(公告)日:2024-03-15
申请号:CN202210148720.7
申请日:2022-02-18
Applicant: 西北工业大学
IPC: G06V10/75 , G06V10/766 , G06V10/774 , G06V10/82 , G06V20/13 , G06N3/045 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种多模态遥感图像领域自适应无监督匹配方法,具体包括以下步骤:步骤一:改进孪生匹配网络模型;步骤二:旋转缩放不变层:对旋转和尺度缩放两个角度标注中的特征表示进行模拟;步骤三:无监督自学习领域自适应;步骤四:多分辨率样本直方图匹配。该发明的技术效果为采用孪生网络模型对多模态图像进行匹配,能够实现多模态图像的自动化匹配,同时提出了灰度直方图匹配算法,降低了目标数据集和训练数据集的差异,从而提高了模型在目标数据集中的匹配精度,最后采用无监督自学习技术,结合灰度直方图匹配,进一步提高了模型的匹配精度和可靠性。
-
公开(公告)号:CN114359603A
公开(公告)日:2022-04-15
申请号:CN202210148720.7
申请日:2022-02-18
Applicant: 西北工业大学
IPC: G06V10/75 , G06V10/766 , G06V10/774 , G06V10/82 , G06V20/13 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多模态遥感图像领域自适应无监督匹配方法,具体包括以下步骤:步骤一:改进孪生匹配网络模型;步骤二:旋转缩放不变层:对旋转和尺度缩放两个角度标注中的特征表示进行模拟;步骤三:无监督自学习领域自适应;步骤四:多分辨率样本直方图匹配。该发明的技术效果为采用孪生网络模型对多模态图像进行匹配,能够实现多模态图像的自动化匹配,同时提出了灰度直方图匹配算法,降低了目标数据集和训练数据集的差异,从而提高了模型在目标数据集中的匹配精度,最后采用无监督自学习技术,结合灰度直方图匹配,进一步提高了模型的匹配精度和可靠性。
-