(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210880890.4 (22)申请日 2022.07.26 (71)申请人 郑州航空工业管理学院 地址 450000 河南省郑州市二七区大 学中 路2号 (72)发明人 李玲玲　赵雪专　 (74)专利代理 机构 北京专赢专利代理有限公司 11797 专利代理师 王松 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/32(2022.01) G06V 10/44(2022.01) G06V 10/75(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于深度学习的多源遥感图像融合方 法和系统 (57)摘要 本发明适用于图像融合技术领域， 尤其涉及 一种基于深度学习的多源遥感图像融合方法和 系统， 所述方法包括： 获取所有 不同源遥感图像； 对所有不同源遥感图像进行预处理， 统计各个像 素点的位置分布； 根据像素点的位置分布划分特 征区域， 识别得到区域特征； 根据区域特征对不 同源遥感图像进行匹配， 完成图像融合。 本发明 实施例提供的一种基于深度学习的多源遥感图 像融合方法， 通过对多组不同源遥感图像进行识 别， 分别确定其中各自包含的特征， 进而确定各 个特征之间的相对位置关系以及特征自身的形 状特征， 从而快速完成不同源遥感图像中的特征 之间的匹配， 既保证了特征识别的精度， 也提高 了特征匹配的效率。 权利要求书2页 说明书8页 附图4页 CN 115187867 A 2022.10.14 CN 115187867 A 1.一种基于深度学习的多源遥感图像融合方法， 其特 征在于， 所述方法包括： 获取所有不同源遥感图像； 对所有不同源遥感图像进行 预处理， 统计各个 像素点的位置分布； 根据像素点的位置分布划分特 征区域， 识别得到区域特 征； 根据区域特 征对不同源遥感图像进行匹配， 完成图像融合。 2.根据权利要求1所述的基于深度学习的多源遥感图像融合方法， 其特征在于， 所述对 所有不同源遥感图像进行 预处理， 统计各个 像素点的位置分布的步骤， 具体包括： 对不同源遥感图像进行 灰度处理， 得到灰度图像； 建立坐标系， 根据像素位置， 确定每一个 像素的坐标； 确定每一个 像素对应的灰度值。 3.根据权利要求1所述的基于深度学习的多源遥感图像融合方法， 其特征在于， 所述根 据像素点的位置分布划分特 征区域， 识别得到区域特 征的步骤， 具体包括： 逐个选择像素点， 将其作为参照像素点， 计算其他各个像素点灰度值与该参照像素点 灰度值的差值； 将差值小于第 一预设值的像素点组成的连通 区域划分为特征区域， 所述特征区域内像 素点的离 散度低于第二预设值； 确定各个特 征区域之间的相对位置， 确定特 征区域的轮廓， 得到区域特 征。 4.根据权利要求1所述的基于深度学习的多源遥感图像融合方法， 其特征在于， 所述根 据区域特 征对不同源遥感图像进行匹配， 完成图像融合的步骤， 具体包括： 根据各个区域特 征在相应不同源遥感图像中的位置对区域特 征进行分类； 根据同一类区域特 征之间的对应关系， 调节不同源遥感图像的位置， 完成图像融合。 5.根据权利要求4所述的基于深度学习的多源遥感图像融合方法， 其特征在于， 进行图 像融合前， 将不同源遥感图像裁 剪为相同尺寸。 6.根据权利要求4所述的基于深度学习的多源遥感图像融合方法， 其特征在于， 不同源 遥感图像之间至少有两个位置 重合的区域特 征。 7.一种基于深度学习的多源遥感图像融合系统， 其特 征在于， 所述系统包括： 图像获取模块， 用于获取 所有不同源遥感图像； 像素统计模块， 用于对所有不同源遥感图像进行 预处理， 统计各个 像素点的位置分布； 特征识别模块， 用于根据像素点的位置分布划分特 征区域， 识别得到区域特 征； 图像融合模块， 用于根据区域特 征对不同源遥感图像进行匹配， 完成图像融合。 8.根据权利要求7所述的基于深度学习的多源遥感图像融合系统， 其特征在于， 所述像 素统计模块包括： 图像预处 理单元， 用于对不同源遥感图像进行 灰度处理， 得到灰度图像； 坐标识别单 元， 用于建立 坐标系， 根据像素位置， 确定每一个 像素的坐标； 灰度值确定单 元， 用于确定每一个 像素对应的灰度值。 9.根据权利要求7所述的基于深度学习的多源遥感图像融合系统， 其特征在于， 所述特 征识别模块包括： 灰度值计算单元， 用于逐个选择像素点， 将其作为参照像素点， 计算其他各个像素点灰 度值与该参照像素点灰度值的差值；权　利　要　求　书 1/2 页 2 CN 115187867 A 2区域特征划分单元， 用于将差值小于第 一预设值的像素点组成的连通 区域划分为特征 区域， 所述特 征区域内像素点的离 散度低于第二预设值； 特征生成单元， 用于确定各个特征区域之间的相对位置， 确定特征区域的轮廓， 得到区 域特征。 10.根据权利要求7所述的基于深度学习的多源遥感图像融合系统， 其特征在于， 所述 图像融合模块包括： 特征分类单元， 用于根据各个区域特征在相应不同源遥感图像中的位置对区域特征进 行分类； 定位融合单元， 用于根据同一类区域特征之间的对应关系， 调节不同源遥感图像的位 置， 完成图像融合。权　利　要　求　书 2/2 页 3 CN 115187867 A 3