一种基于子空间学习的多源遥感数据融合方法技术

本发明专利技术涉及一种基于子空间学习的多源遥感数据融合方法，包括：S1、收集同区域多源遥感数据，根据任务需求建立正样本对和负样本对数据库，其中正样本对相关多源遥感数据图像对，负样本对为不相关多源遥感图像对；S2、构建双分支深度卷积网络模型，提取遥感图像特征；S3、构造基于正样本对和负样本对的欧氏距离损失函数，将特征线性相关性最大化问题渐进等效为二分类问题；S4、基于步骤S1中建立的正样本对和负样本对以及步骤S3中建立的损失函数来训练双分支深度卷积网络模型，获取应用模型。本发明专利技术的方法能够针对不同任务，利用多源数据间的互补性，发掘不同复杂度的多源数据公共子空间特征，实现多源遥感数据区域匹配以及公共特征自动提取。征自动提取。征自动提取。

【技术实现步骤摘要】
一种基于子空间学习的多源遥感数据融合方法


[0001]本专利技术属于深度学习
，具体涉及一种基于子空间学习的多源遥感数据融合方法。

技术介绍

[0002]多源数据学习方法是利用多个数据源协同完成一个学习任务的工作。按照融合阶段划分，可以大致分为数据级融合、决策级融合和特征级融合三种。目前多数的遥感数据融合方法是基于数据级融合或者决策级融合完成的。这两种方法存在明显的缺陷，数据级融合精度高，但是忽略了原始数据之间的相关性，使得计算效率下降。决策级融合效率高，但忽略了原始数据间的互补性，精度较低。特征级融合结合了两者的有点，分别提取多源数据的低维特征，将其投影到共同特征子空间中，再通过子空间内的融合特征完成后续智能任务，综合提升融合效率和效果。
[0003]但是目前的子空间学习方法通常是针对各种不同任务构建一个通用的模型来提取多源数据之间的公共子空间特征。例如中国CN201610703682.1专利一种基于深度学习的多源遥感图像融合方法，其技术方案为基于深度卷积网络算法提出，构建一个通用模型来提取多源数据之间的公共子空间特征。然而，解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于子空间学习的多源遥感数据融合方法，包括：S1、收集同区域多源遥感数据，根据任务需求建立正样本对和负样本对数据库，其中正样本对相关多源遥感数据图像对，负样本对为不相关多源遥感图像对；S2、构建双分支深度卷积网络模型，提取遥感图像特征；S3、构造基于正样本对和负样本对的欧氏距离损失函数，将特征线性相关性最大化问题渐进等效为二分类问题；S4、基于所述步骤S1中建立的正样本对和负样本对以及步骤S3中建立的损失函数来训练所述双分支深度卷积网络模型，获取应用模型。2.根据权利要求1所述的基于子空间学习的多源遥感数据融合方法，其特征在于，在步骤S1中，收集同区域多源遥感图像样本对组，记作其中各组第i个元素互相匹配，而与不匹配，定义为正样本对，而为负样本对。3.根据权利要求2所述的基于子空间学习的多源遥感数据融合方法，其特征在于，步骤S2包括：构建双分支深度卷积神经网络模型，双分支分别采用卷积神经网络作为基础网络，并在各分支网络的最后一层添加全连接层，且输出特征维度为N维；对于光学SAR遥感数据对(x1,x2)，双分支网络定义为：f1(x1；θ1)，f2(x2；θ2)；其中，θ1,θ2分别为双分支网络的网络参数；将双分支卷积神经网络输出的特征求欧式距离，定义为：以此将多源数据映射到公共子空间中。4.根据权利要求3所述的基于子空间学习...

【专利技术属性】
技术研发人员：向雪霜，徐遥，黄美玉，师伟丽，
申请(专利权)人：中国空间技术研究院，
类型：发明
国别省市：