En tant qu'images de télédétection hétérogènes, les images nocturnes haute résolution diffèrent considérablement des images optiques de télédétection, rendant impossible l'alignement automatique basé sur les algorithmes traditionnels d'enregistrement d'images. Actuellement, l'enregistrement repose principalement sur une annotation manuelle des points à l'aide d'ArcGIS. Ainsi, cet article propose un cadre d'enregistrement automatique des images nocturnes haute résolution et des images optiques de télédétection basé sur l'apprentissage profond. Tout d'abord, les réseaux routiers binarisés des images nocturnes et optiques sont extraits et échantillonnés vers le bas, puis un appariement grossier est effectué à l'aide de l'algorithme de somme des erreurs absolues (SAD). Ensuite, le modèle de détection d'objets YOLOv8 est utilisé pour extraire les points centraux des intersections des réseaux routiers comme points de contrôle, qui sont appariés et filtrés à l'aide de la distance euclidienne et de l'algorithme de consensus aléatoire (RANSAC). Enfin, la méthode des moindres carrés est utilisée pour résoudre la matrice de transformation affine afin de réaliser un enregistrement précis des images nocturnes haute résolution et des images optiques. L'efficacité de la méthode proposée a été vérifiée avec des images nocturnes de résolution 0,92 m et des images optiques de résolution 0,75 m du satellite Jilin-1. Les résultats expérimentaux montrent que la méthode peut réaliser l'enregistrement automatique des images nocturnes haute résolution et optiques, avec des erreurs quadratiques moyennes (RMSE) après enregistrement des données des zones urbaines de Chengdu et Changchun de 3,29 m et 3,36 m respectivement, montrant une grande précision d'enregistrement.

images nocturnes de télédétection;images optiques de télédétection;apprentissage profond;réseau routier;enregistrement automatique