Como imágenes de teledetección heterogéneas, las imágenes nocturnas de alta resolución difieren enormemente de las imágenes ópticas de teledetección, por lo que no es posible lograr el registro automático basado en algoritmos tradicionales de registro de imágenes. Actualmente, se basa principalmente en la marcado manual de puntos utilizando ArcGIS para la alineación. Por lo tanto, este artículo propone un marco de registro automático basado en aprendizaje profundo para imágenes nocturnas de alta resolución y imágenes ópticas de teledetección. Primero, se extraen las redes de carreteras binarizadas de las imágenes nocturnas y ópticas y se reduce la muestra; se utiliza el algoritmo de suma de errores absolutos (SAD) para una coincidencia aproximada. Luego, se utiliza el modelo de detección de objetos YOLOv8 para extraer los puntos centrales de las intersecciones de la red vial como puntos de control, que se emparejan y filtran mediante la distancia euclidiana y el algoritmo de consistencia de muestreo aleatorio (RANSAC). Finalmente, se emplea el método de mínimos cuadrados para resolver la matriz de transformación afín y lograr un registro preciso de las imágenes nocturnas de alta resolución y las imágenes ópticas. La efectividad del método propuesto se verificó con imágenes nocturnas de resolución 0.92 m y imágenes ópticas de resolución 0.75 m de Jilin-1. Los resultados experimentales muestran que el método puede realizar el registro automático de imágenes nocturnas y ópticas de alta resolución; el error cuadrático medio (RMSE) de los datos registrados de las zonas urbanas de Chengdu y Changchun fue de 3.29 m y 3.36 m respectivamente, demostrando alta precisión de registro.

imágenes nocturnas de teledetección;imágenes ópticas de teledetección;aprendizaje profundo;red vial;registro automático