광학 및 합성개구합레이다 SAR(Synthetic Aperture Radar) 이미지는 이미징 원리의 근본적인 차이로 이미지간에 현저한 방사 및 기하 차이를 나타내며, 자동 정확한 매칭은 현재 국제 학술 연구의 핫 이슈이다. 현재 대부분의 심층 학습 기반 매칭 방법은 이미지 심층 특징 추출에 초점을 맞추지만, 이러한 모델들은 일반적으로 이미지 다중 스케일 특징 통합과 공통 특징 표현을 무시하므로 강인성이 부족하며 복잡하고 다양한 지물 장면에 대응하기 어렵다. 이에 본 연구에서는 심층 특징 재구성 강화 기반의 광학 및 SAR 이미지의 강건한 매칭 방법을 제안한다. 본 방법은 다중 스케일 심층 특징과 이미지 특징 재구성을 통합한 가짜 쌍둥이 공통 특징 추출 네트워크를 구축한다. 처음에 픽셀 수준에서 광학과 SAR 이미지 쌍의 다중 스케일 심층 특징을 효과적으로 추출할 수 있는 네트워크를 구성하여 기본적으로 광학 이미지에 대한 가짜 SAR 이미지 번역 분기 구조를 설계한다. 깊이 특징 재구성 이미지를 이용하여 네트워크가 강인한 공통 특징 표현 능력을 향상시킨다. 최종적으로 여러 계층 특징 매칭 유사도 및 재구성 이미지 평균 오차를 기반으로 한 연합 손실 함수를 구성하여 광학 및 SAR 이미지의 강건한 매칭을 구현한다. 서로 다른 해상도를 가지며 도 시민, 교외지역, 황무지, 산악지역, 수면을 포함한 다양한 지물 장면을 포함하는 두 종류의 원격 감지 영상 데이터 셋에서 비교 실험을 하였고 결과는 현재의 다양한 최첨단 매칭 방법과 비교하여 제안된 방법들이 가장 높은 올바른 매칭 비율을 보였다.

원격 감지; 광학 이미지; 합성개구합 레이다 이미지; 이미지 매칭; 심층 학습