基于全局信息鲁棒特征描述的自监督遥感图像配准方法

本发明公开了一种基于全局信息鲁棒特征描述的自监督遥感图像配准方法，主要解决现有方法在面对复杂形变和极端外观变化下识别能力较弱，且需大量人工标注数据的问题。其实现方案包括：生成合成单应性数据集，利用其训练关键点提取网络；对大规模训练数据集进行随机变换生成同一图片的多个版本；用训练后的关键点提取网络获得随机变换后大规模训练数据集的关键点信息，并合并同一图片不同版本的关键点；搭建神经网络，利用合并后的关键点对其进行训练，导出匹配点集；利用匹配点集计算单应性矩阵进行图像配准。本发明免于了人工标注，能获得更鲁棒的匹配关键点和描述子，提高极端视角变化下可见光波段遥感图像匹配的精度，可用于环境监测、灾害评估、土地分类及城市扩张分析等遥感任务的图像数据预处理。