一种基于高斯过程和Transformer的可见光与SAR图像配准方法

本申请涉及一种基于高斯过程和Transformer的可见光与SAR图像配准方法，通过结合Transformer的特征细化能力与高斯过程的概率建模能力，有效处理异源图像重复性场景的精确配准问题。具体方案为：制作可见光图像和SAR图像训练数据集和待配准图像，经过特征金字塔后使用高斯过程将嵌入更高维度，并进行傅里叶变化，重复性特征映射到频域特定区域，生成多个匹配候选，全局判断拟合最高可能性的匹配结果，然后使用Transformer模块从大量的图像数据中细化特征，筛选高置信度的对应关系，以交叉熵作为损失函数训练网络。然后使用该网络可以对可见光图像和SAR图像进行图像配准，求取变换矩阵。