Dado que las imágenes de teledetección de fuentes diferentes, la iluminación nocturna de alta resolución y las imágenes ópticas presentan diferencias enormes y no se pueden concordar automáticamente mediante algoritmos tradicionales de registro de imágenes, actualmente la dependencia principal se basa en la entrada manual de puntos ArcGIS para el registro. Por lo tanto, proponemos un marco de registro automático de imágenes de iluminación nocturna de alta resolución y teledetección óptica basado en el aprendizaje profundo. En primer lugar, se extrae la red de carreteras binarias de las imágenes de teledetección óptica nocturna y se reduce su resolución, y se utiliza el error absoluto y (SAD) para el emparejamiento de imágenes nocturnas de iluminación y teledetección óptica. En segundo lugar, se utiliza el modelo de detección de objetos YOLOv8 para extraer los puntos centrales de intersección de la red de carreteras de las imágenes de teledetección de iluminación nocturna y óptica como puntos de control, emparejando y seleccionando puntos de control con el mismo nombre mediante la distancia euclidiana y el algoritmo de muestreo aleatorio de precisión (RANSAC). Finalmente, se utiliza el método de cuadrados mínimos para resolver la matriz de transformación afín con el fin de lograr un registro preciso de las imágenes de iluminación nocturna de alta resolución y la teledetección óptica. Utilizando datos de teledetección nocturna de resolución de 0,92 m modelos de datos de teledetección y teledetección óptica, los resultados mostraron que el uso del método propuesto puede lograr un registro automático de imágenes de iluminación nocturna de alta resolución y teledetección óptica y tener una alta precisión, los errores cuadráticos medios de los modelos de estudio de la ciudad de Chengdu y del área construida de Changchun después del registro de los datos de prueba fueron de 3,29 m y de 3,36 m respectivamente, con una gran precisión de registro.

Datos de teledetección nocturna; Datos de teledetección óptica; Aprendizaje profundo; Red de carreteras; Registro automático