Multi-modal Remote Sensing Image Matching Algorithms： A Survey

XU Yunlong

doi:10.11907/rjdk.251016

您当前的位置：

首页 >

文章列表页 >

Multi-modal Remote Sensing Image Matching Algorithms： A Survey

Research Review | 更新时间：2026-04-30

- Multi-modal Remote Sensing Image Matching Algorithms： A Survey
- Software Guide Vol. 25, Issue 4, Pages: 199-212(2026)
- 作者机构：
  
  1.中国科学院空天信息创新研究院，北京 100080
  2.中国科学院大学电子电气与通信工程学院，北京 101400
- 作者简介：
- 基金信息：
- DOI：10.11907/rjdk.251016
  CLC： TP391.4
- Received：04 March 2025，
  
  Published：15 April 2026
- 稿件说明：
移动端阅览
续云龙.多模态遥感图像匹配算法综述[J].软件导刊,2026,25(04):199-212.

XU Yunlong.Multi-modal Remote Sensing Image Matching Algorithms： A Survey[J].Software Guide,2026,25(04):199-212.
续云龙.多模态遥感图像匹配算法综述[J].软件导刊,2026,25(04):199-212. DOI： 10.11907/rjdk.251016.

XU Yunlong.Multi-modal Remote Sensing Image Matching Algorithms： A Survey[J].Software Guide,2026,25(04):199-212. DOI： 10.11907/rjdk.251016.

摘要

多模态遥感图像匹配的目标为识别来自不同传感器或不同成像条件下图像间像素的对应关系。然而，由于非线性辐射畸变、光照变化和噪声干扰等问题，传统匹配算法往往在准确性和鲁棒性方面存在不足。近年来，深度学习技术的发展为图像匹配提供了新方案，基于深度神经网络的方法能够自动学习深层次特征，减少对先验知识的依赖，提高匹配精度，尤其在处理多模态图像的非线性辐射差异时表现出明显优势。综述各种传统算法和深度学习算法，定量评估各自的代表性算法。结果表明，与传统算法相比，深度学习算法在匹配精度、匹配点数量方面表现突出，如LoFTR、RDFM和LightGlue等深度学习算法在匹配精度与运行时间之间取得了较好的平衡，展现出较高的实用价值。最后展望深度学习技术在优化算法和提升计算能力方面的潜力，预测其将在多模态遥感图像匹配中发挥越来越重要的作用，为实际应用提供更高效、精准的技术支持。

Abstract

The goal of multimodal remote sensing image matching is to identify the corresponding relationship between pixels from different sensors or images under different imaging conditions. However， due to issues such as nonlinear radiation distortion， lighting variations， and noise interference， traditional matching algorithms often have shortcomings in accuracy and robustness. In recent years， the development of deep learning technology has provided new solutions for image matching.Methods based on deep neural networks can automatically learn deep level features， reduce reliance on prior knowledge， and improve matching accuracy， especially when dealing with nonlinear radiometric differences in multimodal images， showing significant advantages. Summarize various traditional algorithms and deep learning algorithms， and quantitatively evaluate their representative algorithms. The results show that compared with traditional algorithms， deep learning algorithms perform outstandingly in terms of matching accuracy and the number of matching points. Deep learning algorithms such as LoFTR， RDFM， and LightGlue have achieved a good balance between matching accuracy and running time， demonstrating high practical value. Finally， looking ahead to the potential of deep learning technology in optimizing algorithms and enhancing computing power， it is predicted that it will play an increasingly important role in multimodal remote sensing image matching， providing more efficient and accurate technical support for practical applications.

关键词

Keywords

references

LOWE D G . Distinctive image features from scale-invariant keypoints ［J］. International Journal of Computer ， 2004 ， 60 ： 91 - 110 . doi: 10.1023/b:visi.0000029664.99615.94 http://dx.doi.org/10.1023/b:visi.0000029664.99615.94

BROWN M ， LOWE D . Invariant features from interest point groups ［C］// Cardiff： British Machine Vision Conference ， 2002 . doi: 10.5244/c.16.23 http://dx.doi.org/10.5244/c.16.23

MIKOLAJCZYK K ， SCHMID C . A performance evaluation of local descriptors ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2005 ， 27 （ 10 ）： 1615 - 1630 . doi: 10.1109/tpami.2005.188 http://dx.doi.org/10.1109/tpami.2005.188

JIA D ， ZHU N D ， YANG N H ， et al . A review of image matching methods ［J］. Journal of Image and Graphics ， 2019 ， 24 （ 5 ）： 677 - 699 .

贾迪，朱宁丹，杨宁华，等 . 图像匹配方法研究综述［J］. 中国图象图形学报， 2019 ， 24 （ 5 ）： 677 - 699 .

CHEN L ， ROTTENSTEINER F ， HEIPKE C . Feature detection and description for image matching：from hand-crafted design to deep learning ［J］. Geo-Spatial Information Science ， 2020 ， 24 （ 1 ）： 58 - 74 . doi: 10.1080/10095020.2020.1843376 http://dx.doi.org/10.1080/10095020.2020.1843376

ZHU B ， YE Y X . Multimodal remote sensing image registration： a survey ［J］. Journal of Image and Graphics ， 2024 ， 29 （ 8 ）： 2137 - 2161 . doi: 10.11834/jig.230737 http://dx.doi.org/10.11834/jig.230737

朱柏，叶沅鑫 . 多模态遥感图像配准方法研究综述［J］. 中国图象图形学报， 2024 ， 29 （ 8 ）： 2137 - 2161 . doi: 10.11834/jig.230737 http://dx.doi.org/10.11834/jig.230737

LIU H Q ， LIU M ， GONG Z C ， et al . A review of image matching methods based on deep learning ［J］. Acta Aeronautica et Astronautica Sinica ， 2024 ， 45 （ 3 ）： 82 - 95 .

刘海桥，刘萌，龚子超，等 . 基于深度学习的图像匹配方法综述［J］. 航空学报， 2024 ， 45 （ 3 ）： 82 - 95 .

DAWN S ， SAXENA V ， SHARMA B . Remote sensing image registration techniques： a survey ［C］// Berlin：International Conference on Image and Signal Processing ， 2010 . doi: 10.1007/978-3-642-13681-8_13 http://dx.doi.org/10.1007/978-3-642-13681-8_13

SUI H G ， LIU C ， GAN Z ， et al . Overview of multi-modal remote sensing image matching methods ［J］. Journal of Geodesy and Geodynamics ， 2022 ， 51 （ 9 ）： 1848 - 1861 . doi: 10.11947/j.AGCS.2022.20220126 http://dx.doi.org/10.11947/j.AGCS.2022.20220126

眭海刚，刘畅，干哲，等 . 多模态遥感图像匹配方法综述［J］. 测绘学报， 2022 ， 51 （ 9 ）： 1848 - 1861 . doi: 10.11947/j.AGCS.2022.20220126 http://dx.doi.org/10.11947/j.AGCS.2022.20220126

ZHAO W X ， ZHOU K ， LI J ， et al . A survey of large language models［DB/OL］ . https：//arxiv.org/abs/2303.18223 https://arxiv.org/abs/2303.18223 .

SHAO M ， BASIT A ， KARRI R ， et al . Survey of different large language model architectures： trends， benchmarks， and challenges ［J］. IEEE Access ， 2024 ， 12 ： 188664 - 188706 . doi: 10.1109/access.2024.3482107 http://dx.doi.org/10.1109/access.2024.3482107

HE X Y ， YU H ， PENG S D ， et al . MatchAnything：universal cross-modality image matching with large-scale pre-training［DB/OL］ . https：//arxiv.org/abs/2501.07556 https://arxiv.org/abs/2501.07556 .

JIANG X Y ， MA J Y ， XIAO G B ， et al . A review of multimodal image matching： methods and applications ［J］. Information Fusion ， 2021 ， 73 ： 22 - 71 .

SHI J B ， TOMASI C . Good features to track ［C］// Proceedings of IEEE Conference on Computer Vision and Pattern Recognition ， 1994 ： 593 - 600 . doi: 10.1109/cvpr.1994.323794 http://dx.doi.org/10.1109/cvpr.1994.323794

ZITOVÁ B ， FLUSSER J . Image registration methods：a survey ［J］. Image and Vision Computing ， 2003 ， 21 （ 11 ）： 977 - 1000 . doi: 10.1016/s0262-8856(03)00137-9 http://dx.doi.org/10.1016/s0262-8856(03)00137-9

EMERY W J ， BALDWIN D ， MATTHEWS D . Maximum cross correlation automatic satellite image navigation and attitude corrections for open-ocean image navigation ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2003 ， 41 （ 1 ）： 33 - 42 . doi: 10.1109/TGRS.2002.808061 http://dx.doi.org/10.1109/TGRS.2002.808061

LU H P ， GAO L . Improved algorithm for multi-source remote sensing images based on cross correlation ［J］. Aerospace Control ， 2009 ， 27 （ 2 ）： 18 - 21，25 .

陆和平，高磊 . 基于互相关的多源遥感图像匹配的改进算法［J］. 航天控制， 2009 ， 27 （ 2 ）： 18 - 21，25 .

MAES F ， COLLIGNON A ， VANDERMEULEN D ， et al . Multimodality image registration by maximization of mutual information ［J］. IEEE Transactions on Medical Imaging ， 1997 ， 16 （ 2 ）： 187 - 198 . doi: 10.1109/42.563664 http://dx.doi.org/10.1109/42.563664

CHEN H M ， ARORA M K ， VARSHNEY P K . Mutual information-based image registration for remote sensing data ［J］. International Journal of Remote Sensing ， 2003 ， 24 （ 18 ）： 3701 - 3706 . doi: 10.1080/0143116031000117047 http://dx.doi.org/10.1080/0143116031000117047

YU K ， MA J ， HU F Y ， et al . A grayscale weight with window algorithm for infrared and visible image registration ［J］. Infrared Physics & Technology ， 2019 ， 99 ： 178 - 186 . doi: 10.1016/j.infrared.2019.04.021 http://dx.doi.org/10.1016/j.infrared.2019.04.021

KONG Q Q ， WU F C ， FAN B . Deep learning-based image matching： methods， applications， and challenges ［J］. Journal of Computer Science ， 2024 ， 47 （ 7 ）： 1485 - 1520 .

孔庆群，吴福朝，樊彬 . 基于深度学习的图像匹配：方法、应用与挑战［J］. 计算机学报， 2024 ， 47 （ 7 ）： 1485 - 1520 .

YIN C Y ， ZHI H H ， LI H B . A survey of deep learning-based stereo matching methods ［J］. Computer Engineering ， 2022 ， 48 （ 10 ）： 1 - 12 .

尹晨阳，职恒辉，李慧斌 . 基于深度学习的双目立体匹配方法综述［J］. 计算机工程， 2022 ， 48 （ 10 ）： 1 - 12 .

ZHANG J ， JIANG W S . LiDAR point cloud and optical image registration： status and trends ［J］. Journal of Geo-Information Science ， 2017 ， 19 （ 4 ）： 528 - 539 .

张靖，江万寿 . 激光点云与光学影像配准：现状与趋势［J］. 地球信息科学学报， 2017 ， 19 （ 4 ）： 528 - 539 .

ZHANG Y J ， YAO Y X ， WAN Y ， et al . Histogram of the orientation of the weighted phase descriptor for multi-modal remote sensing image matching ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2023 ， 196 ： 1 - 15 . doi: 10.1016/j.isprsjprs.2022.12.018 http://dx.doi.org/10.1016/j.isprsjprs.2022.12.018

MORAVEC H P . Obstacle avoidance and navigation in the real world by a seeing robot rover ［D］. Pittsburgh ： Carnegie Mellon University ， 1980 .

HARRIS C G ， STEPHENS M . A combined corner and edge detector ［C］// Alvey Vision Conference ， 1988 ： 147 - 152 . doi: 10.5244/c.2.23 http://dx.doi.org/10.5244/c.2.23

ZHANG X H ， LI B ， YANG D . A new Harris multi-scale corner detection method ［J］. Journal of Electronics & Information Technology ， 2007 （ 7 ）： 1735 - 1738 .

张小洪，李博，杨丹 . 一种新的Harris多尺度角点检测［J］. 电子与信息学报， 2007 （ 7 ）： 1735 - 1738 .

HE H Q ， HUANG S X . Improved fast Harris sub-pixel corner detection ［J］. Journal of Image and Graphics ， 2012 ， 17 （ 7 ）： 853 - 857 .

何海清，黄声享 . 改进的Harris亚像素角点快速定位［J］. 中国图象图形学报， 2012 ， 17 （ 7 ）： 853 - 857 .

ZHENG Y ， ZHENG P . Image matching based on Harris-Affine detectors and translation parameter estimation by phase correlation ［C］// 2019 IEEE 4th International Conference on Signal and Image Processing （ICSIP）， 2019 ： 106 - 111 . doi: 10.1109/siprocess.2019.8868783 http://dx.doi.org/10.1109/siprocess.2019.8868783

YE Y X ， WANG M M ， HAO S Y ， et al . A novel keypoint detector combining corners and blobs for remote sensing image registration ［J］. IEEE Geoscience and Remote Sensing Letters ， 2021 ， 18 （ 3 ）： 451 - 455 . doi: 10.1109/lgrs.2020.2980620 http://dx.doi.org/10.1109/lgrs.2020.2980620

SMITH S M ， BRADY J M . SUSAN—a new approach to low level image processing ［J］. International Journal of Computer Vision ， 1997 ， 23 ： 45 - 78 . doi: 10.1023/a:1007963824710 http://dx.doi.org/10.1023/a:1007963824710

HE W ， DENG X L . A modified SUSAN corner detection algorithm based on adaptive gradient threshold for remote sensing image ［C］// 2010 International Conference on Optoelectronics and Image Processing ， 2010 ： 40 - 43 . doi: 10.1109/icoip.2010.97 http://dx.doi.org/10.1109/icoip.2010.97

ROSTEN E . Machine learning for high-speed corner detection ［C］// European Conference on Computer Vision ， 2006 ： 430 - 443 . doi: 10.1007/11744023_34 http://dx.doi.org/10.1007/11744023_34

MAIR E ， HAGER G D ， BURSCHKA D ， et al . Adaptive and generic corner detection based on the accelerated segment test ［C］// Heidelberg：European Conference on Computer Vision ， 2010 . doi: 10.1007/978-3-642-15552-9_14 http://dx.doi.org/10.1007/978-3-642-15552-9_14

BAY H ， ESS A ， TUYTELAARS T ， et al . Speeded-up robust features （SURF）［J］. Computer Vision and Image Understanding ， 2008 ， 110 （ 3 ）： 346 - 359 . doi: 10.1016/j.cviu.2007.09.014 http://dx.doi.org/10.1016/j.cviu.2007.09.014

YAO Y X ， ZHANG Y J ， WAN Y ， et al . Image matching of heterogeneous images considering anisotropic weighted moments and absolute phase direction ［J］. Wuhan University Journal of Information Science ， 2021 ， 46 （ 11 ）： 1727 - 1736 .

姚永祥，张永军，万一，等 . 顾及各向异性加权力矩与绝对相位方向的异源影像匹配［J］. 武汉大学学报（信息科学版）， 2021 ， 46 （ 11 ）： 1727 - 1736 .

ZHU B ， YANG C ， DAI J K ， et al . R₂FD₂： fast and robust matching of multimodal remote sensing Images via repeatable feature detector and rotation-invariant feature descriptor ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2023 ， 61 ： 1 - 15 .

ROBERTS L . Machine perception of three-dimensional solids ［D］. Cambridge ： Massachusetts Institute of Technology ， 1963 .

PREWITT J M S . Picture processing and psychopictorics ［M］. New York ： Academic Press ， 1970 . doi: 10.1016/0019-1035(71)90136-9 http://dx.doi.org/10.1016/0019-1035(71)90136-9

SOBEL I ， FELDMAN G . An isotropic 3×3 image gradient operator ［C］// California：Stanford Conference on Computer Graphics and Image Processing ， 1990 .

CANNY J . A computational approach to edge detection ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 1986 ， PAMI-8（ 6 ）： 679 - 698 . doi: 10.1109/tpami.1986.4767851 http://dx.doi.org/10.1109/tpami.1986.4767851

ETEMADI A . Robust segmentation of edge data ［C］// International Conference on Image Processing and its Applications ， 1992 ： 311 - 314 .

GIOI R G V ， JAKUBOWICZ J ， MOREL J M ， et al . LSD： a fast line segment detector with a false detection control ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2010 ， 32 （ 4 ）： 722 - 732 . doi: 10.1109/tpami.2008.300 http://dx.doi.org/10.1109/tpami.2008.300

AKINLAR C ， TOPAL C . EDLines：a real-time line segment detector with a false detection control ［J］. Pattern Recognition Letters ， 2011 ， 32 （ 13 ）： 1633 - 1642 . doi: 10.1016/j.patrec.2011.06.001 http://dx.doi.org/10.1016/j.patrec.2011.06.001

GUO Q ， HE M ， LI A . High-resolution remote-sensing image registration based on angle matching of edge point features ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2018 ， 11 （ 8 ）： 2881 - 2895 . doi: 10.1109/jstars.2018.2844295 http://dx.doi.org/10.1109/jstars.2018.2844295

PARK S H ， PARK K K ， JUNG J H ， et al . ISAR imaging of multiple targets using edge detection and Hough transform ［J］. Journal of Electromagnetic Waves and Applications ， 2008 ， 22 （ 2-3 ）： 365 - 373 . doi: 10.1163/156939308784160622 http://dx.doi.org/10.1163/156939308784160622

WANG X H ， WU L S ， CHEN H W ， et al . Point cloud feature line extraction based on regional clustering segmentation ［J］. Acta Optica Sinica ， 2018 ， 38 （ 11 ）： 66 - 75 . doi: 10.3788/aos201838.1110001 http://dx.doi.org/10.3788/aos201838.1110001

王晓辉，吴禄慎，陈华伟，等 . 基于区域聚类分割的点云特征线提取［J］. 光学学报， 2018 ， 38 （ 11 ）： 66 - 75 . doi: 10.3788/aos201838.1110001 http://dx.doi.org/10.3788/aos201838.1110001

XU Y Y ， SHEN H B . Research status of biomedical image processing based on pattern recognition ［J］. Journal of Electronics and Information Technology ， 2020 ， 42 （ 1 ）： 201 - 213 .

徐莹莹，沈红斌 . 基于模式识别的生物医学图像处理研究现状［J］. 电子与信息学报， 2020 ， 42 （ 1 ）： 201 - 213 .

ZAITOUN N M ， AQEL M J . Survey on image segmentation techniques ［J］. Procedia Computer Science ， 2015 ， 65 ： 797 - 806 . doi: 10.1016/j.procs.2015.09.027 http://dx.doi.org/10.1016/j.procs.2015.09.027

PREETHA M M S J ， SURESH L P ， BOSCO M J . Image segmentation using seeded region growing ［C］// 2012 International Conference on Computing， Electronics and Electrical Technologies （ICCEET）， 2012 ： 576 - 583 . doi: 10.1109/icceet.2012.6203897 http://dx.doi.org/10.1109/icceet.2012.6203897

ZHAO J ， AN D X . Improved Markov random field for building segmentation in SAR Images ［J］. Remote Sensing Technology and Application ， 2024 ， 39 （ 2 ）： 405 - 412 . doi: 10.11873/j.issn.1004-0323.2024.2.0405 http://dx.doi.org/10.11873/j.issn.1004-0323.2024.2.0405

赵佳，安道祥 . 改进马尔科夫随机场的SAR图像建筑物分割［J］. 遥感技术与应用， 2024 ， 39 （ 2 ）： 405 - 412 . doi: 10.11873/j.issn.1004-0323.2024.2.0405 http://dx.doi.org/10.11873/j.issn.1004-0323.2024.2.0405

LIU L ， SHI Z G ， SU H R ， et al . Image segmentation based on higher-order Markov random fields ［J］. Journal of Computer Research and Development ， 2013 ， 50 （ 9 ）： 1933 - 1942 .

刘磊，石志国，宿浩茹，等 . 基于高阶马尔可夫随机场的图像分割［J］. 计算机研究与发展， 2013 ， 50 （ 9 ）： 1933 - 1942 .

MINAEE S ， BOYKOV Y ， PORIKLI F ， et al . Image segmentation using deep learning： a survey ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2022 ， 44 （ 7 ）： 3523 - 3542 .

GAREA S A ， DAS S . Image segmentation methods： overview， challenges， and future directions ［C］// 2024 Seventh International Women in Data Science Conference at Prince Sultan University （WiDS PSU）， 2024 ： 56 - 61 . doi: 10.1109/wids-psu61003.2024.00026 http://dx.doi.org/10.1109/wids-psu61003.2024.00026

ZHANG Y J ， FAN J X ， DUAN L F . An image registration algorithm for optical and SAR images based on regional features ［J］. Journal of Hefei University （Natural Science）， 2008 （ 4 ）： 37 - 40 .

张雍吉，范晋湘，段连飞 . 基于区域特征的光学图像与SAR图像配准算法［J］. 合肥学院学报（自然科学版）， 2008 （ 4 ）： 37 - 40 .

LI Y Q ， PI Y M ， WANG J F . Image registration of SAR and optical images based on level set ［J］. Acta Geodaetica et Cartographica Sinica ， 2010 ， 39 （ 3 ）： 276 - 282 .

李雨谦，皮亦鸣，王金峰 . 基于水平集的SAR图像与光学图像的配准［J］. 测绘学报， 2010 ， 39 （ 3 ）： 276 - 282 .

MA W ， WEN Z L ， WU Y ， et al . Remote sensing image registration with modified SIFT and enhanced feature matching ［J］. IEEE Geoscience and Remote Sensing Letters ， 2017 ， 14 （ 1 ）： 3 - 7 . doi: 10.1109/lgrs.2016.2600858 http://dx.doi.org/10.1109/lgrs.2016.2600858

XIANG Y M ， WANG F ， YOU H J . OS-SIFT： a robust SIFT-like algorithm for high-resolution optical-to-SAR image registration in suburban areas ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2018 ， 56 （ 6 ）： 3078 - 3090 . doi: 10.1109/tgrs.2018.2790483 http://dx.doi.org/10.1109/tgrs.2018.2790483

ZHANG Y S ， ZOU Z R . Automatic registration method for remote sensing images based on improved ORB algorithm ［J］. Remote Sensing for Land & Resources ， 2013 ， 25 （ 3 ）： 20 - 24 .

张云生，邹峥嵘 . 基于改进ORB算法的遥感图像自动配准方法［J］. 国土资源遥感， 2013 ， 25 （ 3 ）： 20 - 24 .

LI J Y ， HU Q W ， AI M Y . RIFT： Multi-modal image matching based on radiation-variation insensitive feature transform ［J］. IEEE Transactions on Image Processing ， 2020 ， 29 ： 3296 - 3310 . doi: 10.1109/tip.2019.2959244 http://dx.doi.org/10.1109/tip.2019.2959244

MA D ， LAI H C . Remote sensing image matching based on improved ORB in NSCT domain ［J］. Journal of the Indian Society of Remote Sensing ， 2019 ， 47 （ 4 ）： 801 - 807 . doi: 10.1007/s12524-019-00958-y http://dx.doi.org/10.1007/s12524-019-00958-y

YE Y X ， BRUZZONE L ， SHAN J ， et al . Fast and robust matching for multimodal remote sensing image registration ［J］. IEEE Geoscience and Remote Sensing ， 2019 ， 57 （ 11 ）： 9059 - 9070 . doi: 10.1109/tgrs.2019.2924684 http://dx.doi.org/10.1109/tgrs.2019.2924684

HUFFMAN D A . A method for the construction of minimum-redundancy codes ［J］. Proceedings of the IRE ， 1952 ， 40 （ 9 ）： 1098 - 1101 . doi: 10.1109/jrproc.1952.273898 http://dx.doi.org/10.1109/jrproc.1952.273898

SHRIWAS R N ， BODKHE Y ， MANE A ， et al . Overview of Canny edge detection and Hough transform for lane detection ［C］// 2024 OPJU International Technology Conference （OTCON） on Smart Computing for Innovation and Advancement in Industry 4.0 ， 2024 ： 1 - 5 . doi: 10.1109/otcon60325.2024.10688024 http://dx.doi.org/10.1109/otcon60325.2024.10688024

ZHANG L L ， KOCH R . An efficient and robust line segment matching approach based on LBD descriptor and pairwise geometric consistency ［J］. Journal of Visual Communication and Image Representation ， 2013 ， 24 （ 7 ）： 794 - 805 . doi: 10.1016/j.jvcir.2013.05.006 http://dx.doi.org/10.1016/j.jvcir.2013.05.006

HU M K . Visual pattern recognition by moment invariants ［J］. IRE Transactions on Information Theory ， 1962 ， 8 （ 2 ）： 179 - 187 . doi: 10.1109/tit.1962.1057692 http://dx.doi.org/10.1109/tit.1962.1057692

WANG Q ， HUANG W ， ZHANG X T ， et al . GLCM： global-local captioning model for remote sensing image captioning ［J］. IEEE Transactions on Cybernetics ， 2023 ， 53 （ 11 ）： 6910 - 6922 . doi: 10.1109/tcyb.2022.3222606 http://dx.doi.org/10.1109/tcyb.2022.3222606

HONG Y M ， LENG C C ， ZHANG X Y ， et al . HOLBP： remote sensing image registration based on histogram of oriented local binary pattern descriptor ［J］. Remote Sensing ， 2021 ， 13 ： 23 - 28 . doi: 10.3390/rs13122328 http://dx.doi.org/10.3390/rs13122328

LI P ， JIANG G ， MA Q L ， et al . Hybrid model-based multimodal image registration combining tensor and mutual information ［J］. Journal of Geodesy ， 2021 ， 50 （ 7 ）： 916 - 929 . doi: 10.11947/j.AGCS.2021.20200492 http://dx.doi.org/10.11947/j.AGCS.2021.20200492

李培，姜刚，马千里，等 . 结合张量与互信息的混合模型多模态图像配准方法［J］. 测绘学报， 2021 ， 50 （ 7 ）： 916 - 929 . doi: 10.11947/j.AGCS.2021.20200492 http://dx.doi.org/10.11947/j.AGCS.2021.20200492

FISCHLER M A ， BOLLES R C . Random sample consensus： a paradigm for model fitting with applications to image analysis and automated cartography ［J］. Communications of the ACM ， 1981 ， 24 （ 6 ）： 381 - 395 . doi: 10.1145/358669.358692 http://dx.doi.org/10.1145/358669.358692

WU Y ， MA W P ， GONG M G ， et al . A novel point-matching algorithm based on fast sample consensus for image registration ［J］. IEEE Geoscience and Remote Sensing Letters ， 2015 ， 12 （ 1 ）： 43 - 47 . doi: 10.1109/lgrs.2014.2325970 http://dx.doi.org/10.1109/lgrs.2014.2325970

WANG G ， CHEN Y F . Robust feature matching using guided local outlier factor ［J］. Pattern Recognition ， 2021 ， 117 ： 107986 . doi: 10.1016/j.patcog.2021.107986 http://dx.doi.org/10.1016/j.patcog.2021.107986

MENG F Y ， LI X ， PEI J H . A feature point matching based on spatial order constraints bilateral-neighbor vote ［J］. IEEE Transactions on Image Processing ， 2015 ， 24 （ 11 ）： 4160 - 4171 . doi: 10.1109/tip.2015.2456633 http://dx.doi.org/10.1109/tip.2015.2456633

MA J Y ， MA Y ， ZHAO J ， et al . Image feature matching via progressive vector field consensus ［J］. IEEE Signal Processing Letters ， 2015 ， 22 （ 6 ）： 767 - 771 . doi: 10.1109/lsp.2014.2358625 http://dx.doi.org/10.1109/lsp.2014.2358625

FENG S D ， GAO M X ， JIN X W ， et al . Fine-grained damage detection of cement concrete pavement based on UAV remote sensing image segmentation and stitching ［J］. Measurement ， 2024 ， 226 ： 113844 . doi: 10.1016/j.measurement.2023.113844 http://dx.doi.org/10.1016/j.measurement.2023.113844

DUSMANU M H ， ROCCO I ， PAJDLA T ， et al . D2-Net： a trainable CNN for joint description and detection of local features ［C］// 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， 2019 ： 8084 - 8093 . doi: 10.1109/cvpr.2019.00828 http://dx.doi.org/10.1109/cvpr.2019.00828

MA W P ， ZHANG J ， WU Y ， et al . A novel two-step registration method for remote sensing images based on deep and local features ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2019 ， 57 （ 7 ）： 4834 - 4843 . doi: 10.1109/tgrs.2019.2893310 http://dx.doi.org/10.1109/tgrs.2019.2893310

NAN K ， QI H ， YE Y X . A multimodal remote sensing image template matching method based on deep convolution feature representation ［J］. Acta Geodaetica et Cartographica Sinica ， 2019 ， 48 （ 6 ）： 727 - 736 . doi: 10.11947/j.AGCS.2019.20180432 http://dx.doi.org/10.11947/j.AGCS.2019.20180432

南轲，齐华，叶沅鑫 . 深度卷积特征表达的多模态遥感影像模板匹配方法［J］. 测绘学报， 2019 ， 48 （ 6 ）： 727 - 736 . doi: 10.11947/j.AGCS.2019.20180432 http://dx.doi.org/10.11947/j.AGCS.2019.20180432

CAO S Y ， YU B ， LUO L ， et al . PCNet： a structure similarity enhancement method for multispectral and multimodal image registration ［J］. Information Fusion ， 2023 ， 94 ： 200 - 214 . doi: 10.1016/j.inffus.2023.02.004 http://dx.doi.org/10.1016/j.inffus.2023.02.004

YI K M ， TRULLS E ， LEPETIT V ， et al . LIFT： learned invariant feature transform ［C］// European Conference on Computer Vision ， 2016 ： 467 - 483 . doi: 10.1007/978-3-319-46466-4_28 http://dx.doi.org/10.1007/978-3-319-46466-4_28

ZHANG H ， NI W P ， YAN W D ， et al . Registration of multimodal remote sensing image based on deep fully convolutional neural network ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2019 ， 12 （ 8 ）： 3028 - 3042 . doi: 10.1109/jstars.2019.2916560 http://dx.doi.org/10.1109/jstars.2019.2916560

LI Z Y ， ZHANG H T ， HUANG Y H . A rotation-invariant optical and SAR image registration algorithm based on deep and gaussian features ［J］. Remote Sensing ， 2021 ， 13 ： 2628 . doi: 10.3390/rs13132628 http://dx.doi.org/10.3390/rs13132628

SARLIN P E ， DETONE D ， MALISIEWICZ T ， et al . SuperGlue： learning feature matching with graph neural networks ［C］// 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， 2019 ： 4937 - 4946 . doi: 10.1109/cvpr42600.2020.00499 http://dx.doi.org/10.1109/cvpr42600.2020.00499

LINDENBERGER P ， SARLIN P E ， POLLEFEYS M . LightGlue： local feature matching at light speed ［C］// 2023 IEEE/CVF International Conference on Computer Vision （ICCV）， 2023 ： 17581 - 17592 . doi: 10.1109/iccv51070.2023.01616 http://dx.doi.org/10.1109/iccv51070.2023.01616

ZHANG W ， LI T T ， ZHANG Y T ， et al . LTFormer：a light-weight transformer-based self-supervised matching network for heterogeneous remote sensing images ［J］. Information Fusion ， 2024 ， 109 ： 102425 . doi: 10.1016/j.inffus.2024.102425 http://dx.doi.org/10.1016/j.inffus.2024.102425

QUAN D ， WEI H Y ， WANG S ， et al . A novel coarse-to-fine deep learning registration framework for multimodal remote sensing images ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2023 ， 61 ： 1 - 16 . doi: 10.1109/tgrs.2023.3306042 http://dx.doi.org/10.1109/tgrs.2023.3306042

LIANG C B ， DONG Y Y ， ZHAO C J ， et al . A coarse-to-fine feature match network using Transformers for remote sensing image registration ［J］. Remote Sensing ， 2023 ， 15 （ 13 ）： 3243 . doi: 10.3390/rs15133243 http://dx.doi.org/10.3390/rs15133243

YU P L ， SHI Q ， WANG H . Parallel generative network for infrared-to-visible image translation ［J］. Journal of Image and Graphics ， 2021 ， 26 （ 10 ）： 2346 - 2356 .

余佩伦，施佺，王晗 . 并行生成网络的红外—可见光图像转换［J］. 中国图象图形学报， 2021 ， 26 （ 10 ）： 2346 - 2356 .

YIN M X ， LIN Z F ， YANG F . Image translation based on dynamic receptive field for adaptive multi-scale information fusion ［J］. Journal of Electronics and Information Technology ， 2021 ， 43 （ 8 ）： 2386 - 2394 .

尹梦晓，林振峰，杨锋 . 基于动态感受野的自适应多尺度信息融合的图像转换［J］. 电子与信息学报， 2021 ， 43 （ 8 ）： 2386 - 2394 .

MA J Y ， JIANG X Y ， JIANG J J ， et al . LMR： learning a two-class classifier for mismatch removal ［J］. IEEE Transactions on Image Processing ， 2019 ， 28 （ 8 ）： 4045 - 4059 . doi: 10.1109/tip.2019.2906490 http://dx.doi.org/10.1109/tip.2019.2906490

SUN J M ， SHEN Z H ， WANG Y ， et al . LoFTR： detector-free local feature matching with transformers ［C］// 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， 2021 ： 8918 - 8927 . doi: 10.1109/cvpr46437.2021.00881 http://dx.doi.org/10.1109/cvpr46437.2021.00881

ZHANG H ， YUE Y X ， LI H J ， et al . Shared contents alignment across multiple granularities for robust SAR-optical image matching ［J］. Information Fusion ， 2024 ， 106 ： 102298 . doi: 10.1016/j.inffus.2024.102298 http://dx.doi.org/10.1016/j.inffus.2024.102298

LI L Z ， HAN L ， DING M T ， et al . Multimodal image fusion framework for end-to-end remote sensing image registration ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2023 ， 61 ： 5607214 . doi: 10.1109/tgrs.2023.3247642 http://dx.doi.org/10.1109/tgrs.2023.3247642

SHEN X L ， WANG C ， LI X ， et al . RF-Net： an end-to-end image matching network based on receptive field ［C］// 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， 2019 ： 8124 - 8132 . doi: 10.1109/cvpr.2019.00832 http://dx.doi.org/10.1109/cvpr.2019.00832

CHEN P ， BAO B Y ， CHEN X . Remote sensing image-matching network based on multiscale feature fusion and importance ranking loss ［J］. Laser & Optoelectronics Progress ， 2024 ， 61 （ 18 ）： 276 - 284 .

陈鹏，包倍源，陈旭 . 基于多尺度特征融合与重要性排序损失的遥感图像匹配网络［J］. 激光与光电子学进展， 2024 ， 61 （ 18 ）： 276 - 284 .

SUN X K ， YUN Z K ， HU C B ， et al . End-to-end registration algorithm for high-resolution multi-view SAR images ［J］ . Journal of Radars ， 2025 ， 14 （ 2 ）： 389 - 404 .

孙晓坤，贠泽楷，胡粲彬，等 . 面向高分辨率多视角SAR图像的端到端配准算法［J］. 雷达学报， 2025 ， 14 （ 2 ）： 389 - 404 .

SHI T X ， CAO F Z ， HAN K Y ， et al . A multimodal remote sensing image matching network based on cross-attention mechanism ［J］. Intelligent Computer and Applications ， 2023 ， 13 （ 8 ）： 107 - 113 .

石添鑫，曹帆之，韩开杨，等 . 一种基于交叉注意力机制多模态遥感图像匹配网络［J］. 智能计算机与应用， 2023 ， 13 （ 8 ）： 107 - 113 .

LI J P ， CHEN Y ， WANG D Z . Simulation of remote sensing image registration for fusing attention and networks in network ［J］. Computer Simulation ， 2022 ， 39 （ 7 ）： 42 - 47 . doi: 10.3969/j.issn.1006-9348.2022.07.009 http://dx.doi.org/10.3969/j.issn.1006-9348.2022.07.009

李绩鹏，陈颖，王东振 . 融合双注意力与深度神经网络的遥感图像配准［J］. 计算机仿真， 2022 ， 39 （ 7 ）： 42 - 47 . doi: 10.3969/j.issn.1006-9348.2022.07.009 http://dx.doi.org/10.3969/j.issn.1006-9348.2022.07.009

ZOU R P ， ZHU B ， WANG C Y ， et al . Heterogeneous remote sensing image matching algorithm based on residual pseudo-Siamese convolution cross-correlation network ［J］. Laser & Optoelectronics Progress ， 2022 ， 59 （ 12 ）： 458 - 466 . doi: 10.3788/LOP202259.1228002 http://dx.doi.org/10.3788/LOP202259.1228002

邹融平，朱斌，王晨阳，等 . 基于残差伪孪生卷积互相关网络的异源遥感图像匹配算法［J］. 激光与光电子学进展， 2022 ， 59 （ 12 ）： 458 - 466 . doi: 10.3788/LOP202259.1228002 http://dx.doi.org/10.3788/LOP202259.1228002

CAO F ， SHI T ， HAN K ， et al . RDFM：robust deep feature matching for multimodal remote-sensing images ［J］. IEEE Geoscience and Remote Sensing Letters ， 2023 ， 20 ： 1 - 5 . doi: 10.1109/lgrs.2023.3309404 http://dx.doi.org/10.1109/lgrs.2023.3309404

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Multi-modal Emotion Recognition Based on Dual Gradient Modulation

Matting Model for Automatic Foreground Portrait Focusing

Multi-Scale End-to-End Audio Classification Network Based on Dual Attention Mechanisms

Research on Multi-Label Image-Text Classification with Multi-Modal Feature Extraction by Integrating YOLOv8n and BERT

Innovative Design of Blended Teaching for Basic Computer Science Course Based on Knowledge Graph

Related Author

LAN Linyi

CHEN Riqing

CHENG Li

HUANG Xinru

DONG Lixia

LIU Yang

ZHOU Heshun

HE Ruhan

Related Institution

College of Computer and Information Sciences， Fujian Agriculture and Forestry University

College of Information Science and Technology， Gansu Agricultural University

School of Computer Science and Artificial Intelligence， Wuhan Textile University

School of Information Science and Technology， Xizang University

School of Computer Science and Engineering， Guangdong Ocean University

⁰