【技术实现步骤摘要】
本专利技术属于计算机视觉，尤其涉及一种基于高斯混合的变分动态融合网络的高光谱分类方法。
技术介绍
1、随着传感器数量的快速增长，各种遥感数据的属性和应用得到了研究者的广泛关注，如高光谱图像和激光雷达。高光谱图像拥有较高的光谱分辨率，它能够为区分外观相似但光谱特性差异明显的地物时提供关键信息。利用高光谱图像进行地物分类在许多领域都展现出了显著的应用前景，包括环境监测、地物分析、农业管理、城市规划等。然而，高光谱图像的成像易受天气条件影响，且仅利用高光谱图像难以区分具有相似光谱反射率的地物(如混凝土屋顶和道路等)。激光雷达能够提供地物的高程信息以帮助区分具有相似光谱反射率但海拔高度不同的地物，且其数据的质量很少受天气条件的影响。鉴于高光谱和激光雷达的互补特性，研究者致力于协同利用高光谱和激光雷达数据完成多模态地物分类任务。
2、目前基于高光谱和激光雷达的多模态地物分类任务仍面临着如下的三个关键挑战：光谱噪声抑制难，模态信息充分挖掘难和多模态数据融合难。
3、受到采集设备，环境的影响，高光谱的部分地物中可能存在较严重的...
【技术保护点】
1.一种基于高斯混合的变分动态融合网络的高光谱分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述一种基于高斯混合的变分动态融合网络的高光谱分类方法，其特征在于，步骤1中所述利用K近邻搜索构建两模态的多尺度空间图，具体包括如下步骤：
3.根据权利要求2所述一种基于高斯混合的变分动态融合网络的高光谱分类方法，其特征在于，步骤1中所述利用对多尺度空间图进行图卷积学习地物间的空间依赖关系，进而获得两模态的多尺度特征，具体包括如下步骤：
4.根据权利要求2所述一种基于高斯混合的变分动态融合网络的高光谱分类方法，其特征在于，步骤1中还...
【技术特征摘要】
1.一种基于高斯混合的变分动态融合网络的高光谱分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述一种基于高斯混合的变分动态融合网络的高光谱分类方法，其特征在于，步骤1中所述利用k近邻搜索构建两模态的多尺度空间图，具体包括如下步骤：
3.根据权利要求2所述一种基于高斯混合的变分动态融合网络的高光谱分类方法，其特征在于，步骤1中所述利用对多尺度空间图进行图卷积学习地物间的空间依赖关系，进而获得两模态的多尺度特征，具体包括如下步骤：
4.根据权利要求2所述一种基于高斯混合的变分动态融合网络的高光谱分类方法，其特征在于，步骤1中还包括基于高斯混合对高光谱和激光雷达的空间分布进行拓扑约束，具体包括如下步骤：
5.根据权利要求2所述一种基于高斯混合的...
【专利技术属性】
技术研发人员：王浩宇，刘晓敏，乔振壮，段天洋，刘诺菲，
申请(专利权)人：中国矿业大学，
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。