光学および合成開口レーダSAR（Synthetic Aperture Radar）イメージは、イメージング原理の根本的な違いにより、イメージ間に著しい放射および幾何学的な違いを示し、その自動的な精確なマッチングは現在の国際的な学術研究の焦点となっている。現在、深層学習に基づくマッチング方法の多くは、画像の深層特徴の抽出に焦点を当てていますが、これらのモデルは通常、画像のマルチスケール特徴の統合と共通の特徴表現を無視しており、そのため頑健性が不十分で、複雑で多様な地物シーンに対処することが難しいです。このため、本研究では、深層特徴の再構築強化に基づく光学およびSARイメージの頑健なマッチング方法を提案しています。この方法は、マルチスケール深層特徴とイメージ特徴の再構築を統合した疑似双子共通特徴抽出ネットワークを構築しています。まず、ピクセルレベルで、光学およびSARイメージのペアのマルチスケール深層特徴を効率的に抽出できるネットワークを構築します。次に、光学イメージ用に疑似SARイメージ変換ブランチ構造を設計し、深層特徴でイメージを再構築し、ネットワークがより頑健な共通の特徴表現能力を向上させます。最後に、マルチレイヤ特徴マッチング類似度と再構築イメージ平均エラーに基づく共同損失関数を構築し、光学およびSARイメージの頑健なマッチングを実現します。異なる解像度を持ち都市、郊外、砂漠、山岳、水域を含む様々な地物シーンを含む2種類のリモートセンシングイメージデータセットで比較実験を行った結果、現在の最先端のマッチング方法と比較して、提案された方法は最も高い正しいマッチング率を示しました。

リモートセンシング; 光学イメージ; 合成開口レーダイメージ; イメージマッチング; 深層学習