Como imagens heterogêneas de sensoriamento remoto, as imagens noturnas de alta resolução diferem significativamente das imagens ópticas de sensoriamento remoto, tornando impossível o registro automático baseado em algoritmos tradicionais de registro de imagens. Atualmente, a maioria depende da marcação manual de pontos utilizando o ArcGIS para registro. Portanto, este artigo propõe uma estrutura de registro automático de imagens noturnas de alta resolução e imagens ópticas de sensoriamento remoto baseada em aprendizado profundo. Primeiro, redes rodoviárias binarizadas das imagens noturnas e ópticas são extraídas e reduzidas em amostragem, e o algoritmo da soma do erro absoluto (SAD) é usado para correspondência bruta entre as imagens noturnas e ópticas. Em seguida, o modelo de detecção de objetos YOLOv8 é utilizado para extrair os pontos centrais dos cruzamentos da rede rodoviária como pontos de controle, os quais são combinados e filtrados usando a distância euclidiana e o algoritmo de consenso amostral aleatório (RANSAC). Finalmente, o método dos mínimos quadrados é empregado para resolver a matriz de transformação afim, implementando o registro preciso das imagens noturnas de alta resolução e das imagens ópticas. A eficácia do método proposto foi verificada com imagens noturnas de resolução de 0,92 m e imagens ópticas de resolução de 0,75 m do Jilin-1. Os resultados experimentais mostram que o método pode realizar o registro automático das imagens noturnas e ópticas de alta resolução; o erro quadrático médio (RMSE) pós-registro dos dados das áreas urbanas de Chengdu e Changchun foi de 3,29 m e 3,36 m, respectivamente, demonstrando alta precisão de registro.

imagens noturnas de sensoriamento remoto;imagens ópticas de sensoriamento remoto;aprendizado profundo;rede rodoviária;registro automático