En raison de la différence fondamentale de principe de l’imagerie, les images du radar à ouverture synthétique (SAR) et de la caméra optique présentent des différences notables dans les caractéristiques radiométriques et géométriques, et leur appariement automatique précis a toujours été un point focal de la recherche académique internationale actuelle. À l'heure actuelle, la plupart des méthodes d’appariement basées sur l’apprentissage profond se concentrent sur l’extraction de caractéristiques profondes de l’image, mais ces modèles ignorent généralement la fusion de caractéristiques multi-échelles et l’expression des caractéristiques communes, ce qui entraîne une robustesse insuffisante et une difficulté à faire face à des scènes complexes et changeantes. En conséquence, cette étude propose une méthode robuste d'appariement des images optiques et SAR basée sur l'amélioration de la reconstruction des caractéristiques profondes. Cette méthode a construit un réseau d'extraction de caractéristiques communes fusionnant des caractéristiques profondes multi-échelles et la reconstruction des caractéristiques de l’image. Tout d'abord, grâce à l'architecture d'extraction de caractéristiques multi-échelles, le réseau peut extraire efficacement des caractéristiques profondes au niveau pixel pour la paire d'images optiques et SAR. Ensuite, une branche de traduction d'image SAR fausse a été conçue pour l'image optique, utilisant la reconstruction des caractéristiques profondes de l'image pour renforcer la capacité du réseau à exprimer des caractéristiques communes de manière plus robuste. Enfin, une fonction de perte conjointe basée sur la similarité des caractéristiques à plusieurs niveaux et l'erreur quadratique moyenne de la reconstruction de l'image a été construite, ce qui a permis l'appariement robuste des images optiques et SAR. Lors d'expériences comparatives sur des ensembles de données d'imagerie à distance de différentes résolutions et contenant une variété de scènes géographiques (urbaines, périurbaines, désertiques, montagneuses, aquatiques), les résultats ont montré que les méthodes proposées présentaient toujours le taux d'appariement correct le plus élevé par rapport à certaines méthodes d'appariement de pointe actuelles.

Imagerie à distance ; Image optique ; Image radar à ouverture synthétique ; Appariement d'images ; Apprentissage profond