نظرًا لاختلاف مبادئ تشكيل صور الرادار بالفتح الاصطناعي والفوتوغرافي، تظهر الصور اختلافات إشعاعية وهندسية ملحوظة بينها، وعلى مدى السنوات القليلة الماضية، كان تحديد التطابق الدقيق تلك الصور تحديًا ساخنًا في الدراسات الأكاديمية الدولية. حاليًا، تركز معظم الأساليب المبنية على التعلم العميق للتطابق على استخراج سمات الصور العميقة، ولكن هذه النماذج عادة ما تهمل دمج سمات الصور متعددة المقاييس وتعبير الصور المشتركة، مما يؤدي إلى قلة المرونة وتعذر التعامل مع مناظر الطبيعة المعقدة والمتغيرة. نظرًا لذلك، تقترح هذه الدراسة طريقة للتطابق القوي بين الصور البصرية ورادار بالفتح الاصطناعي بناءً على تعزيز إعادة بناء سمات عميقة. تستخدم هذه الطريقة شبكة استخراج سمات مشتركة مزيفة مستوحاة من تصميم متعدد المقاييس وإعادة بناء الصور. أولاً، من خلال هيكل استخراج سمات متعدد المقاييس، يمكن للشبكة استخراج سمات عميقة متعددة المقاييس بكفاءة على مستوى البكسل من الصور البصرية ورادار بالفتح الاصطناعي. ثانيًا، تصمم للصور البصرية فرع مترجم صور رادار مزيف، وتستخدم إعادة بناء السمات العميقة للصور، لتعزيز قدرة الشبكة على تعبير سمات مشتركة أكثر مرونة. أخيرًا، تشكل دواليب الخسارة المشتركة القائمة على الميزات متعددة الطبقات ومتوسط أخطاء إعادة الصور خسارة مشتركة مشتركة، وتحقق تطابقًا قويًا بين الصور البصرية ورادار بالفتح الاصطناعي. خضعت الطريقة لتجربة مقارنة على مجموعة بيانات الصور عن بعد التي تحتوي على مشاهد أرضية متنوعة (مدينة، ضواحي، صحراء، جبل، ماء) مع دقة متغيرة، وأظهرت النتائج أنها تظهر أعلى معدل تطابق صحيح بالمقارنة مع بعض الطرق المتطورة المتقدمة.

صور بصرية؛ صور رادار بالفتح الاصطناعي؛ تطابق الصور؛ التعلم العميق