【技术实现步骤摘要】
本专利技术涉及一种用于多光谱点云分类的自适应空-谱掩码图卷积方法，属于多光谱激光雷达点云。
技术介绍
1、在过去二十年中，激光探测与测距（lidar）技术的广泛应用极大地推动了遥感领域的发展；作为一种重要的数据收集工具，激光雷达为准确、精细的土地覆盖分类提供了丰富而详尽的数据基础；相比其他遥感方法，激光雷达在土地覆盖分析方面具有明显的优势；它不受光照等环境因素的影响，能够连续获取有关土地覆盖空间分布的数据，因此成为高分辨率和精确土地覆盖分类的关键工具；多光谱激光雷达遥感数据解译不仅是遥感领域的研究热点，也是国家基础地理信息建设的重要内容；通过同时获取目标的三维空间分布信息和光谱信息，多光谱激光雷达为遥感场景中的地物实现了精细的三维空间分类，并为此提供了数据基础和信息保障。
2、近年来，随着深度学习领域中图理论的发展，利用图方法处理点云数据的应用逐渐兴起。图具有代表对象间复杂关系和相互依赖的自然优势。根据地理学的第一定律，地表覆盖物的特征之间的关系可以成为分类的重要基础，使得图方法在点云分类中具备潜力和优势。多光谱激光雷达的引入丰富了点云数据的信息维度。多光谱点云既保留了传统点云对土地覆盖空间分布的表征能力，又为每个点采集了相应的光谱信息；然而，随着信息维度的增加，如何有效地联合利用多光谱点云中丰富的空间光谱信息成为了一个新的挑战；目前的研究方法要么使用空间距离构建图，要么使用光谱相似性构建图，要么简单地将两者的相似性等比例融合得到一个联合图；然而，这些方法没有充分考虑到多光谱激光雷达点云中点之间的空间关系和光谱关系各
技术实现思路
1、本专利技术提供了一种用于多光谱点云分类的自适应空-谱掩码图卷积方法，以用于解决传统方法利用地物三维空间分布或光谱信息构建多光谱点云图模型时，由于遥感场景地物分布的复杂性和“同物异谱、同谱异物”现象，无法有效对空间光谱信息进行高效的联合利用，使得构建的固定结构图模型存在错误连接或连接权重不合理的问题。
2、本专利技术的技术方案是：一种用用于多光谱点云分类的自适应空-谱掩码图卷积方法，所述方法的具体步骤如下：
3、（1）根据多光谱激光雷达点云数据，计算点之间的空间邻接矩阵和光谱邻接矩阵。
4、（2）使用空间邻接矩阵对多光谱点云空间特征做初始图卷积得到初始空间残差，使用光谱邻接矩阵对多光谱点云光谱特征做初始图卷积，得到初始光谱残差矩阵。
5、（3）设置自适应空间光谱掩码，分别对空间邻接矩阵和光谱邻接矩阵的对应元素做自适应权重的加和，得到空间光谱邻接矩阵。
6、（4）在网络的每一层中使用空间光谱邻接矩阵对多光谱点云进行卷积，并加入初始空间残差和初始光谱残差，多次迭代优化网络参数，最终得到多光谱激光雷达点云地物分类结果。
7、优选的，本专利技术步骤（1）的具体过程为：根据多光谱激光雷达点云数据，计算点之间的空间邻接矩阵，和光谱邻接矩阵，其中代表第a个点到第b个点的空间相似度，代表第a个点到第b个点的光谱距离。
8、优选的，本专利技术步骤（2）的具体过程为：已知多光谱激光雷达点云数据，则其空间特征为，光谱特征为，使用空间邻接矩阵对多光谱激光雷达点云空间特征做初始图卷积得到初始空间残差矩阵。
9、使用光谱邻接矩阵分别对多光谱激光雷达点云数据做初始图卷积，得到初始光谱残差矩阵，其中和是两个可训练参数，是初始空间卷积权重，是初始光谱卷积权重。
10、优选的，本专利技术步骤（3）的具体过程为：设置自适应空间光谱掩码，其维度与空间邻接矩阵、光谱邻接矩阵相同，且其中的每个元素的值在区间内。
11、分别对空间邻接矩阵和光谱邻接矩阵的每一个对应元素做自适应权重的加和，得到空间光谱邻接矩阵，能更好的度量多光谱激光雷达点云点之间的相似性，其中代表矩阵对位相乘的运算，即空间光谱邻接矩阵为：；
12、优选的，本专利技术步骤（4）的具体过程为：设定网络层数，在网络的每一层中，将上一层输出的中间层特征矩阵与初始空间残差矩阵和初始光谱残差矩阵拼接，其中，h是中间层特征矩阵，l表示层数，l-1表示上一层；使用空间光谱邻接矩阵进行卷积，并在卷积后的矩阵上加入初始空间残差矩阵和初始光谱残差矩阵，得到该层的中间层特征矩阵，其中是非线性激活函数，表示第l层的中间层可训练权重矩阵；在网络第一层中，上一层的中间层特征矩阵由初始特征矩阵替换是初始映射矩阵，将初始特征矩阵映射到网络中间层特征相同的维度，其中即。
13、本专利技术的有益效果是：
14、（1）在每一层的卷积中加入空间-光谱残差可以有效的抑制深度卷积带来的过平滑问题。
15、（2）使用自适应空间光谱掩码融合空间临街矩阵和光谱邻接矩阵，，可以使融合后的邻接矩阵的每一个元素分别自适应地决定空间相似度和光谱相似度的贡献，从而实现对多光谱激光雷达点云更好的表征。
本文档来自技高网...【技术保护点】
1.一种用于多光谱点云分类的自适应空-谱掩码图卷积方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述用于多光谱点云分类的自适应空-谱掩码图卷积方法，其特征在于：步骤（1）中所述点之间的空间邻接矩阵为；
3.根据根据权利要求2所述用于多光谱点云分类的自适应空-谱掩码图卷积方法，其特征在于：步骤（2）的具体步骤为： 已知多光谱激光雷达点云数据，则其空间特征为，光谱特征为，使用空间邻接矩阵对多光谱激光雷达点云空间特征做初始图卷积得到初始空间残差矩阵；
4.根据根据权利要求3所述用于多光谱点云分类的自适应空-谱掩码图卷积方法，其特征在于：步骤（3）的具体过程为：设置自适应空间光谱掩码，其维度与空间邻接矩阵和光谱邻接矩阵相同，且其中的每个元素的值在区间内；分别对空间邻接矩阵和光谱邻接矩阵的每一个对应元素做自适应权重的加和，得到空间光谱邻接矩阵，其中代表求矩阵的哈达玛积的乘法运算，即空间光谱邻接矩阵为：
5.根据根据权利要求1所述用于多光谱点云分类的自适应空-谱掩码图卷积方法，其特征在于：步骤（4）的具体过程为：设定网络层数，在网络的
...【技术特征摘要】
1.一种用于多光谱点云分类的自适应空-谱掩码图卷积方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述用于多光谱点云分类的自适应空-谱掩码图卷积方法，其特征在于：步骤（1）中所述点之间的空间邻接矩阵为；
3.根据根据权利要求2所述用于多光谱点云分类的自适应空-谱掩码图卷积方法，其特征在于：步骤（2）的具体步骤为： 已知多光谱激光雷达点云数据，则其空间特征为，光谱特征为，使用空间邻接矩阵对多光谱激光雷达点云空间特征做初始图卷积得到初始空间残差矩阵；
4.根据根据权利要求3所述用于多光谱点云分类的自适应空-谱掩码图卷积方法，其特征在于：步骤（3）的具体过程为：设置自适应空间光谱掩码，其维度与空间邻接矩阵...
【专利技术属性】
技术研发人员：王青旺，张梓峰，王盼新，蒋涛，陈学铅，沈韬，谷延锋，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。