【技术实现步骤摘要】
本专利技术属于遥感图像处理，具体涉及基于深度学习的多源遥感影像的融合方法及系统。
技术介绍
1、随着遥感技术的迅速发展，遥感已成为地球观测任务中的关键技术，广泛应用于土地覆盖分类、生物多样性保护及智慧城市建设等领域。而仅仅使用单一的遥感数据在反映地物信息和特征方面具有一定的局限性，难以充分发挥遥感技术的优势，而多源遥感影像通常包含了相同地物信息的不同特性，它们之间具有较强的互补性，因此多源遥感影像融合能够充分利用各种数据源的信息，从而增强对地物的识别和分类能力。
2、尽管目前已经出现了相当多的影像融合模型，但由于多源遥感影像在获取过程中由于不同传感器特性、不同大气作用以及不同的光照地物条件等因素，导致多源遥感影像存在不同程度、不同性质的图像扭曲和畸变，从而导致特征表征困难、特征向量相似性差异较大，影响多源影像融合的效果及准确度。因此，进行多源遥感影像的融合方法研究是一项十分必要的工作。
技术实现思路
1、本专利技术的目的是提供一种基于深度学习的多源遥感影像的融合方法，以解决现有...
【技术保护点】
1.一种基于深度学习的多源遥感影像的融合方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于深度学习的多源遥感影像的融合方法，其特征在于，所述步骤S2中的多源遥感影像融合生成网络包含深度学习网络和特征重构网络，所述深度学习网络包括特征提取模块、特征注意模块和特征融合模块。
3.根据权利要求2所述的基于深度学习的多源遥感影像的融合方法，其特征在于，所述特征注意模块采用多头特征注意结构，包括特征重塑子模块、特征交叉关联子模块和特征软注意子模块。
4.根据权利要求3所述的基于深度学习的多源遥感影像的融合方法，其特征在于，所述步骤S2...
【技术特征摘要】
1.一种基于深度学习的多源遥感影像的融合方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于深度学习的多源遥感影像的融合方法，其特征在于，所述步骤s2中的多源遥感影像融合生成网络包含深度学习网络和特征重构网络，所述深度学习网络包括特征提取模块、特征注意模块和特征融合模块。
3.根据权利要求2所述的基于深度学习的多源遥感影像的融合方法，其特征在于，所述特征注意模块采用多头特征注意结构，包括特征重塑子模块、特征交叉关联子模块和特征软注意子模块。
4.根据权利要求3所述的基于深度学习的多源遥感影像的融合方法，其特征在于，所述步骤s2中将训练样本影像组输入多源遥感影像融合生成网络，得到融合后的遥感影像x的具体步骤如下：
5.根据权利要求4所述的基于深度学习的多源遥感影像的融合方法，其特征在于，所述步骤s22中将得到的多个影像特征数据输入特征注意模块进行处理，然后输入特征融合模块，对处理后的多个影像特征数据进行融合，得到多源融合特征的具体步骤为：
6.根据权利要求1所述的基于深度学习的多源遥感影像的融合方法，其特征在于，所述步骤s3中采...
【专利技术属性】
技术研发人员：高小花，万珍会，程梦琦，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
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。