本发明公开了一种基于强化学习的近红外和可见光遥感图像配准方法,包括以下步骤:S1,将红外和可见光图像修剪到同样大小,并做堆叠处理;S2,将堆叠后的图像输入残差改进的密集神经网络进行处理并输出配准所需要的Q值;S3,根据Q值进行推理预测出策略动作空间中每个动作的概率分布;S4,根据每个动作的概率分布,在策略动作空间中选择一个概率最大的动作,并由待配准图像执行该动作;S5,当待配准图像和参考图像达到设定的相似度阈值后,对当前图像配准进行贪心算法推理采样;S6,对当前待配准图像进行移动重采样输出最终配准结果。本发明图像配准方法的配准图像各处衔接自然流畅,多模态图像配准更加稳定,效果更好。
声明:
“基于强化学习的近红外和可见光遥感图像配准方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)