一种多源影像联合城区地表覆盖分类方法技术

本发明专利技术属于图像处理技术领域，公开了一种多源影像联合城区地表覆盖分类方法，所述多源影像联合城区地表覆盖分类方法包括：输入同一区域的具有丰富的空间

【技术实现步骤摘要】
一种多源影像联合城区地表覆盖分类方法


[0001]本专利技术属于图像处理
，尤其涉及一种多源影像联合城区地表覆盖分类方法。

技术介绍

[0002]目前，遥感作为一种重要的技术手段，已被广泛应用于城区地表覆盖分类研究。并且随着成像技术的不断发展，出现了可以获取不同信息的遥感传感器。例如能够获取光谱特征的多光谱和高光谱传感器，能够准确获得高程信息的LiDAR传感器，以及能够获取振幅和相位信息的SAR传感器等。这些传感器获取的影像在城区地表覆盖分类应用中具有不同的优势。然而，随着城镇化的不断推进，城市内部地物类型越来越复杂，单一的遥感影像已经无法满足城区地表覆盖分类中高精度的要求。比如高光谱具有丰富的光谱信息，可以很好的表征地物的光谱特性及结构信息，但其对于具有相似光谱特性不同高程信息的地物难以区分，LiDAR数据具有较为准确的高程信息，可以依靠高度来对地物进行分类，但由于缺少物体的语义信息，LiDAR数据对具有相同高程不同光谱信息的地物分辨能力较差。因此，有效联合高光谱影像的光谱信息和LiDAR影像的高程信息，将两者的优势互补，能够极大提升解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源影像联合城区地表覆盖分类方法，其特征在于，所述多源影像联合城区地表覆盖分类方法包括以下步骤：步骤一，输入同一区域的具有丰富的空间信息和光谱信息的高光谱图像以及具有丰富的高程信息的LiDAR图像，并对图像进行预处理；步骤二，生成样本集：选取具有标签的样本点，并将其划分为训练样本集和测试样本集；步骤三，构建多支路特征提取网络，并引入交叉注意力和多级特征融合机制，获取每个样本点所对应的局部空间
‑
光谱特征；步骤四，构建图像分类器，将分别融合了各支路的多层细节和语义的特征再次进行融合后，送入由全连接网络构建的图像分类器进行分类，获得分类结果；步骤五，对搭建的多支路特征提取网络和分类网络进行有监督的训练，得到适合该网络模型的最佳网络参数；步骤六，将所有的样本点输入训练好的网络进行融合分类，得到最终的城区地表覆盖分类结果图。2.如权利要求1所述的多源影像联合城区地表覆盖分类方法，其特征在于，步骤一中，所述输入同一区域的具有丰富的空间
‑
光谱信息的高光谱图像以及具有丰富的高程信息的LiDAR图像，并对图像进行预处理，包括：输入同一区域具有丰富的细节特征和光谱特征的高光谱影像以及具有高程信息的LiDAR影像X
H
，X
L
，并对图像进行最大最小归一化，归一化公式为：，并对图像进行最大最小归一化，归一化公式为：其中，和分别表示原始高光谱影像和LiDAR影像中的像元值，和分别表示高光谱影像的最大值和最小值，和分别表示LiDAR影像的最大值和最小值；和为高光谱和LiDAR影像归一化后的像元值。3.如权利要求1所述的多源影像联合城区地表覆盖分类方法，其特征在于，步骤二中，所述生成样本集，选取训练样本集I
train
和测试样本集I
test
，包括：(1)记三维高光谱影像的尺寸为H
×
W
×
C，记二维LiDAR影像的尺寸为H
×
W；其中，H和W分别表示高光谱影像和LiDAR影像的高度和宽度，C为高光谱影像的波段数；对于同一区域的高光谱和LiDAR影像，分别以样本点为中心，选取一个11
×
11
×
C像素大小的影像块作为输入，将所有的样本点按照如上操作构成样本集；(2)计算参考标签中不同类别的样本总数L
i
，根据不同类别所占的比例划分训练和测试样本集，使得模型能够学习到不同类别之间的特征差异；(3)按照各类别所占比例，随机选取各类别样本点20％作为训练样本集I
train
，其余的作为测试样本集I
test
。
4.如权利要求1所述的多源影像联合城区地表覆盖分类方法，其特征在于，步骤三中，所述构建多支路特征提取网络，并引入交叉注意力和多级特征融合机制，获取每个样本点所对应的局部空间
‑
光谱特征，包括：(1)构建的多支路特征提取主要包含三条特征提取支路，并引入交叉注意力和多级特征融合机制；其中，所述三条特征提取支路分别为LiDAR影像高程特征提取支路，高光谱影像空间特征提取支路和高光谱影像光谱特征提取支路；LiDAR影像高程特征提取支路是将LiDAR影像作为输入，该支路是由浅层特征提取、多级特征融合、交叉注意力、深层特征提取组成；其中，所述浅层特征提取和深层特征提取由卷积层、正则化层、激活层和池化层组成；其中卷积操作的卷积核大小为3
×
3，输出的通道数为64；激活函数是ReLU，池化层采用的是自适应最大池化操作；经过浅层特征和深层特征提取后得到的特征图像尺寸大小分别为5
×5×
64和2
×2×
64；多级特征融合机制是将各个交叉注意力模块的输出与浅层特征进行融合；由于高光谱影像存在大量的波段冗余信息，故高光谱影像空间特征提取支路是将高光谱影像进行主成分分析方法PCA操作后得到的只保留...

【专利技术属性】
技术研发人员：曲家慧，侯少雄，董文倩，肖嵩，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：