基于深度學習的航空遙感影像密集匹配

摘要：本文探討了深度學習在航空影像密集匹配中的性能,并與經典方法進行了比較,對模型泛化能力進行了評估。首先,實現了MC-CNN(matching cost convolutional neural network)、GC-Net(geometry and context network)、DispNet(disparity estimation network)3種代表性卷積神經元網絡在航空立體像對上的訓練和測試,并與傳統方法SGM(semi-global matching)和商業軟件SURE進行了比較。其次,利用直接遷移學習方法,評估了各模型在不同數據集間的泛化能力。最后,利用預訓練模型和少量目標數據集樣本,評估了模型微調的效果。試驗包含3套航空影像、2套開源街景影像。試驗表明:①與傳統的遙感影像密集匹配方法相比,目前深度學習方法略有優勢;②GC-Net與MC-CNN表現了良好的泛化能力,在開源數據集上訓練的模型可以直接應用于遙感影像,且3PE(3-pixel-error)精度沒有明顯下降;③在訓練樣本不足時,利用預訓練模型做初值并進行參數微調可以得到比直接訓練更好的結果。