كون الصور الشمسية للتحسس عن بعد ذات المصدر المختلف عن الصور الليلية عالية الدقة لها اختلافات كبيرة، فإنه من غير الممكن تحقيق التوافق التلقائي على أساس خوارزميات التسجيل التقليدية. ومع ذلك، يعتمد التوافق حاليًا في المقام الأول على استخدام الإنسان لإدخال النقاط يدويًا عن طريق ArcGIS. لذلك، نقترح إطار توافق آلي للصور الليلية عالية الدقة والبصرية عن بُعد بناءً على التعلم العميق. أولاً، يتم استخراج شبكة الطرق المثنائية للصور الليلية والبصرية عن بُعد وتخفيض دقتها، ويتم استخدام خوارزمية الخطأ المطلق و(SAD) للتوافق الخشن للصور الليلية والبصرية عن بُعد. ثانيًا، يتم استخدام نموذج الكشف عن الأهداف YOLOv8 لاستخراج نقاط تقاطع شبكة الطرق في الصور الليلية والبصرية عن بُعد كنقاط تحكم، وذلك عن طريق مطابقة واختيار نقاط التحكم ذات نفس الاسم باستخدام مسافة يورو وخوارزمية التطابق الإحصائي العشوائي (RANSAC). أخيرًا، يتم استخدام طريقة الانحدار المربع الأدنى لحل مصفوفة التحول التشابه، وذلك لتحقيق توافق دقيق بين الصور الليلية عالية الدقة والصور البصرية عن بُعد. باستخدام صورة الاستشعار عن بعد للضوء الليلي بدقة 0.92 م لي نموذج دراسي تواتري أكدها الدراسة خلصت إلى أن استخدام الإطار المقترح يمكن أن يحقق توافقًا آليًا لصور الليل عالية الدقة مع الصور البصرية عن بُعد. تمويه بعد وتواتر المركز بعد تحري الأخطاء بأقطار المربع (RMSE) لنماذج بيانية للبيئة الذاتية والمحطة السريعة في مدينة Chengdu ومدينة Changchun بعد توافق البيانات 3.29 م و 3.36 م على التوالي، تمتع بدقة توافق عالية.

صور الليل عن بُعد; صور البصرية عن بُعد; التعلم العميق; شبكة الطرق; توافق تلقائي