基于深度学习的SAR与光学遥感图像配准技术综述

熊博莅; 郭青; 周家鑫; 匡纲要

doi:10.13682/j.issn.2095-6533.2026.02.007

西安邮电大学学报 ›› 2026, Vol. 31 ›› Issue (2) : 66 -77. DOI: 10.13682/j.issn.2095-6533.2026.02.007

基于深度学习的SAR与光学遥感图像配准技术综述

熊博莅, 郭青, 周家鑫, 匡纲要

作者信息 +

Author information +

文章历史 +

PDF

摘要

光学图像与合成孔径雷达(Synthetic Aperture Radar, SAR)图像的跨模态配准是遥感数据融合与解译的关键预处理技术，但其长期受两种模态非线性辐射差异的制约。为系统性梳理现有解决方案，对基于深度学习的配准方法进行归纳，摒弃传统的功能模块划分，提出更能反映其内在逻辑的技术范式分类。深入阐述基于模态统一、基于深度学习增强的模块化配准，以及基于端到端框架3种主流范式的核心原理。通过对比得出：模态统一致力于从根源上缓解辐射差异，模块化增强便于融合传统算子与深度学习优势，而端到端框架是提升配准精度与效率的关键发展方向。最后，总结当前方法在复杂场景鲁棒性、模型泛化能力与数据依赖性方面的共性挑战，并指明未来的主要研究趋势。