이종 원격 감지 영상으로서 고해상도 야간광 영상과 광학 원격 감지 영상은 큰 차이가 있어 전통적인 영상 정합 알고리즘으로 자동 정합을 할 수 없으며, 현재는 주로 ArcGIS를 이용한 수동 점 지정 방식에 의존하고 있다. 따라서 본 논문에서는 딥러닝 기반 고해상도 야간광 및 광학 원격 감지 영상 자동 정합 프레임워크를 제안한다. 먼저 야간광과 광학 원격 감지 영상의 이진화된 도로망을 추출하고 하향 샘플링하며, 절대 오차 합산(SAD) 알고리즘을 이용해 야간광과 광학 영상의 조잡한 정합을 수행한다. 둘째, YOLOv8 객체 탐지 모델을 이용해 야간광 및 광학 영상의 도로망 교차점 중심점을 제어점으로 추출하고, 유클리드 거리 및 무작위 샘플 합의(RANSAC) 알고리즘으로 동명 제어점을 매칭 및 선별한다. 마지막으로 최소자승법을 사용해 아핀 변환 행렬을 구하여 고해상도 야간광 및 광학 원격 감지 영상의 정밀 정합을 구현한다. 길림 1호 0.92 m 해상도 야간광 영상과 0.75 m 해상도 광학 영상을 이용해 제안 방법의 유효성을 검증했다. 실험 결과, 제안 방법은 고해상도 야간광 및 광학 영상의 자동 정합을 실현할 수 있으며, 청두시 및 창춘시 건설 지역 시험 데이터 정합 후 평균 제곱근 오차(RMSE)는 각각 3.29 m 및 3.36 m로 높은 정합 정밀도를 나타냈다.

야간광 원격 감지 영상;광학 원격 감지 영상;딥러닝;도로망;자동 정합