咨询optical-sar图像配准
Opened this issue · 6 comments
我是遥感图像处理新手。一直有个疑问，还望您给解惑。遥感图像本身可以获取经纬度信息或者坐标信息，为什么还需要做optical和sar图像的配准？不可以直接通过坐标对齐吗？
您可以简单理解为精度不够。卫星飞行姿态、镜头方向、透视关系、镜头畸变等都影响地物精度，天上一点点误差对地物成像的影响都会很大（航拍的数据可能会好一些），所以必须根据真实测绘的关键控制点进行校准，校准点越多越精确，至于校准精度就因数据集而异了，有的就是针对几个大尺度坐标做一下放射变换，这样精度就不太行。总之遥感图像给你的坐标和实际坐标总会有偏差。
您可以简单理解为精度不够。卫星飞行姿态、镜头方向、透视关系、镜头畸变等都影响地物精度，天上一点点误差对地物成像的影响都会很大（航拍的数据可能会好一些），所以必须根据真实测绘的关键控制点进行校准，校准点越多越精确，至于校准精度就因数据集而异了，有的就是针对几个大尺度坐标做一下放射变换，这样精度就不太行。总之遥感图像给你的坐标和实际坐标总会有偏差。
感谢回复。我看了您的论文《The QXS-SAROPT Dataset for Deep Learning in SAR-Optical Data Fusion》，里面有提到SAR-Optical image match任务，但是，我看您的数据集，只是提供了sar-optical的场景对，而且坐标（四个顶点）不是完全一一对应的。那您在论文中所指的任务，是不是只是SAR和Optical图像的简单匹配，而不是精准的位置对应。如果只是这样的话，是不是没有完全发挥您数据集的价值，意义没有那么大。因为如果只是找到大致位置的匹配，通过坐标应该就可以直接做到，不需要通过图像匹配。些许不成熟的疑问，还望赐教。
另外，假如需要图像匹配，正常的逻辑，是不是先通过坐标进行粗定位，然后再进行小区域的图像匹配，这样更合理些？
另外，假如需要图像匹配，正常的逻辑，是不是先通过坐标进行粗定位，然后再进行小区域的图像匹配，这样更合理些？
从应用的角度来讲，配准的方式有很多种：大到地区的匹配，小到目标建筑，甚至特征点匹配等，他们所需的精度也不尽相同。
我们的数据集仅仅是提供研究之用，尤其针对深度学习，高精度场景丰富的配准的多模态数据集还是相对较少。至于您需要用它做什么后续遥感任务就比较自由了。比如我们用这个数据集做了光SAR跨模态迁移学习的特征提取，而匹配任务只是中间的手段。我们后面提供的匹配算法也只是抛砖引玉，一是说明多模态遥感数据间确实有较强的关联性，二是证明我们数据集建设的可靠性。
感谢回复。
可见光和SAR图像的融合研究是不是比配准少很多啊，而且融合之后我似乎还是看不出来有哪些优势，能解答一下吗