“Robust Matching for SAR and Optical Images Using Multiscale Convolutional Gradient Features”

在近2个月内被引次数进入地球科学学科（GEOSCIENCES）全球前1‰，被ESI热点论文（Hot Papers）收录。该论文于2021年9月发表在遥感SCI期刊“IEEE Geoscience and Remote Sensing Letters”上。

ESI热点论文是指近2年内发表且在近2个月内与同期入库的同一学科论文相比，被引用次数进入全球前1‰的论文。此类论文通常在相应研究领域具有很高的影响力，是研究成果得到学术界大量关注的集中体现，同时也是学科建设评估指标体系中的关键指标之一。

该论文针对SAR与光学遥感图像匹配任务中传统手工描述符共有特征表达能力有限的问题，创新地采用多尺度浅层伪孪生网络细化手工结构特征，生成了更加鲁棒的多尺度卷积梯度特征，该描述符可以捕获SAR和光学图像之间更加精细的共有特征以提升匹配性能，并且可以克服当前基于深度学习的匹配方法需要基于大量训练样本求解大量模型参数的局限性。

论文详细信息：

Liang Zhou, Yuanxin Ye*, Tengfeng Tang, Ke Nan and Yao Qin, "Robust Matching for SAR and Optical Images Using Multiscale Convolutional Gradient Features," IEEE Geoscience and Remote Sensing Letters, vol. 19, pp. 1-5, 2022.

DOI: https://doi.org/10.1109/LGRS.2021.3105567