Debido a las diferencias fundamentales en los principios de formación de imágenes ópticas y de radar de apertura sintética (SAR), las imágenes presentan diferencias significativas en radiación y geometría, y en los últimos años, el emparejamiento preciso de esas imágenes ha sido un tema candente en la investigación académica internacional. Actualmente, la mayoría de los métodos de emparejamiento basados en el aprendizaje profundo se centran en la extracción de características profundas de las imágenes, pero estos modelos suelen ignorar la fusión de características de múltiples escalas de imágenes, lo que conduce a una falta de robustez y dificulta la adaptación a escenas naturales complejas y cambiantes. Por ello, este estudio propone un método de emparejamiento robusto de imágenes ópticas y SAR basado en la mejora de características profundas. Este método construye una red de extracción de características comunes pseudo-gemelas basada en la extracción eficiente de características profundas a múltiples escalas de imágenes ópticas y SAR a nivel de píxeles. En segundo lugar, para las imágenes ópticas se diseñó una rama de traducción de imágenes SAR falsas, utilizando la reconstrucción de características profundas de imágenes para mejorar la capacidad de la red para expresar características comunes más robustas. Finalmente, se construyó una estructura de pérdida conjunta basada en la similitud de características de múltiples capas y el error medio de reconstrucción de imágenes, lo que permitió un emparejamiento robusto de imágenes ópticas y SAR. Se realizaron experimentos comparativos en conjuntos de datos de imágenes de sensores remotos con diferentes escenarios naturales (urbanos, suburbanos, desérticos, montañosos, acuáticos) con diferentes resoluciones, y los resultados muestran que el método propuesto muestra el índice más alto de emparejamiento correcto en comparación con varios métodos de emparejamiento avanzados existentes.

imágenes ópticas; imágenes de radar de apertura sintética; emparejamiento de imágenes; aprendizaje profundo