一种高光谱与激光雷达多模态遥感数据分类方法及系统技术方案

本发明专利技术属于图像处理领域，提供了一种高光谱与激光雷达多模态遥感数据分类方法及系统。该方法包括，获取高光谱图像和激光雷达图像；采用CNN分别提取高光谱图像的特征图和激光雷达图像的特征图；基于所述高光谱图像的特征图和激光雷达图像的特征图，采用交叉特征重构模块，得到融合后的多模态特征；基于所述多模态特征，采用分类器，得到分类结果。得到分类结果。得到分类结果。

【技术实现步骤摘要】
一种高光谱与激光雷达多模态遥感数据分类方法及系统


[0001]本专利技术属于图像处理领域，尤其涉及一种高光谱与激光雷达多模态遥感数据分类方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]高光谱遥感图像指的是通过高光谱成像仪获取的图像，具有十分丰富的空间信息和光谱信息。此外，高光谱图像还具备更多的波段数以及极高的分辨率，因此，对其进行光谱特征和空间特征分析，就可以得到详细的地物特征。激光雷达用激光器作为发射光源，采用光电探测技术手段的主动遥感设备。激光雷达是激光技术与现代光电探测技术结合的先进探测方式。与普通微波雷达相比，激光雷达由于使用的是激光束，工作频率较微波高了许多，因此带来了很多优点，主要有：(1)分辨率高(2)隐蔽性好、抗有源干扰能力强(3)低空探测性能好(4)体积小、质量轻，在刻绘物体3D外形轮廓具有很大的优势。目前，高光谱和激光雷达成像技术已经应用十分广泛，包括精准农业、大气监测、海洋检测等领域。随着高光谱和激光雷达成像技术在越来越多的领域被广泛应用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高光谱与激光雷达多模态遥感数据分类方法，其特征在于，包括：获取高光谱图像和激光雷达图像；采用CNN分别提取高光谱图像的特征图和激光雷达图像的特征图；基于所述高光谱图像的特征图和激光雷达图像的特征图，采用交叉特征重构模块，得到融合后的多模态特征；基于所述多模态特征，采用分类器，得到分类结果。2.根据权利要求1所述的高光谱与激光雷达多模态遥感数据分类方法，其特征在于，采用双路所述CNN提取特征，每一路的CNN包括卷积层、批处理归一化层、池化层和ReLU激活层。3.根据权利要求1所述的高光谱与激光雷达多模态遥感数据分类方法，其特征在于，所述交叉特征重构模块包括编码器模块和解码器模块。4.根据权利要求3所述的高光谱与激光雷达多模态遥感数据分类方法，其特征在于，所述编码器模块被配置为：其中，V
i(l)
表示第l层中的像素级融合特征，gen函数在CFR中定义为编码器网络，表示CNN的第p层的输出，表示在编码器中第p层CNN的权重和CNN中第l层的权重，表示在编码器中CNN中第l层的偏移量；l表示CNN第几层；p表示CNN层数；m表示一个无穷量，实质代指一个数。5.根据权利要求4所述的高光谱与激光雷达多模态遥感数据分类方法，其特征在于，所述解码器模块被配置为：其中表示第l层中的像素级重建特征，V
i(m)
表示第m层中像素级融合的特征；W
u(l)
表示在解码器中CNN中第l层的权重；表示在解码器中偏移量；l表示CNN第几层；...

【专利技术属性】
技术研发人员：王晶晶，张波，孙增钊，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：