来源：期刊VIP网 时间：
作者：冷成财;洪雅萌;
单位：西北大学数学学院;
摘要：多模态遥感图像之间存在复杂差异与多样内容，导致匹配任务难以精确完成。尽管传统的局部自相似性(local self-similarity, LSS)描述符能够捕捉图像中的显著结构与轮廓，但由于差异复杂，往往难以实现精确的特征对应。为此，在描述符构建过程中引入基于图模型的特征筛选方法，节点集和边集分别表示局部单元内不同角度的LSS特征及其相似性关系。通过记录相关性排序索引并生成排序频率直方图，对LSS进行重构，仅保留最相关的特征，从而降低对强度信息的依赖。实验在3个公开数据集(含4类跨模态场景，250张测试图像)中验证有效性。定量分析表明，结合4类典型特征检测器后，ELSS(enhanced LSS)最高可获得276.92的NCM值和2.08的RMSE值，优于其他6种对比方法，证明了ELSS能有效缓解辐射和几何差异对多模态图像任务的限制，验证了其在多模态图像精准匹配任务下的适用性。
关键词：多模态遥感图像匹配;;局部自相似性;;特征选择
基金资助：国家自然科学基金数学天元基金(12326612);; 陕西省自然科学基金(2025JC-YBMS-772);; 中国国家留学基金管理委员会国家公派奖学金项目(202406970047)
