典型文献
基于神经网络密集匹配的资源三号DSM提取
文献摘要:
在目前现存的数字地表模型生成方法中,大多采用半全局立体匹配(semi-global matching,SGM)及其派生算法来进行遥感影像的密集匹配.传统SGM的匹配结果总体上较好,但仍存在一些不足,例如在阴影区域、低纹理、重复纹理以及局部光强不一致等区域存在较多的视差空洞,且在视差不连续的区域易存在较大的匹配误差等.近年来,基于深度学习的密集匹配方法在多个数据集上取得了较好的成绩.该文将孪生神经网络计算匹配代价引入资源三号密集匹配生成数字地表模型流程中,实验了深度学习方法在国产资源三号02星密集匹配方面的性能;对模型泛化能力进行了针对训练,和经典方法进行了比较,并与商业软件进行了精度对比.实验表明,与传统的影像密集匹配生成数字地表模型的方法相比,基于深度学习的匹配效果更优.
文献关键词:
数字地表模型;立体匹配;孪生神经网络;深度学习;ZY-3
中图分类号:
作者姓名:
韩昊;李参海;丘晓枫
作者机构:
辽宁工程技术大学测绘与地理科学学院,辽宁阜新123000;自然资源部国土卫星遥感应用中心,北京 100048
文献出处:
引用格式:
[1]韩昊;李参海;丘晓枫-.基于神经网络密集匹配的资源三号DSM提取)[J].遥感信息,2022(03):101-108
A类:
B类:
密集匹配,资源三号,DSM,数字地表模型,模型生成,生成方法,半全局立体匹配,semi,global,matching,SGM,派生,遥感影像,如在,阴影,影区,视差,匹配误差,匹配方法,孪生神经网络,深度学习方法,模型泛化,泛化能力,经典方法,商业软件,精度对比,ZY
AB值:
0.364953
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。