基于跨模态空间动态融合网络的高分辨大场景SAR和光学影像土地覆盖分类方法、系统及介质技术方案

技术编号:41992122 阅读:29 留言:0更新日期:2024-07-12 12:18
基于跨模态空间动态融合网络的高分辨大场景SAR和光学影像土地覆盖分类方法、系统及介质,其方法为:采集同一地区的SAR影像和光学影像并组成训练数据集;构建跨模态空间动态融合网络模型;利用训练数据集训练跨模态空间动态融合网络模型;采集待预测的SAR影像和光学影像,利用训练好的跨模态空间动态融合网络模型进行分类,得到影像块的最终语义分割结果;合并图像块的分类结果,得到最终的土地覆盖分类结果;系统、设备及介质用于实现该方法;本发明专利技术在SAR和光学影像的多尺度特征基础上,利用跨模态注意力机制进行特征交互,实现模态间信息交流,通过空间动态融合模块进行SAR和光学特征互补信息的高效融合,提升了土地覆盖分类的性能。

【技术实现步骤摘要】

本专利技术属于影像土地覆盖分类,特别涉及基于跨模态空间动态融合网络的高分辨大场景sar和光学影像土地覆盖分类方法、系统及介质。


技术介绍

1、土地覆盖分类技术在生态检察、环境保护、应急救灾和城市规划等方面发挥着重要作用,是遥感
研究热点之一。随着遥感大数据的普及,使得获取同一陆地区域的多源遥感影像成为可能,通过利用不同成像模式获取的遥感影像的互补特性为提升土地覆盖分类的准确性提供了独特的机会。使用多个数据源而不是单个数据源有助于减轻遥感成像特性与某些土地对象相关造成的模糊性,并生成更多样化的表示。例如,采用光学影像中包含的光谱信息和合成孔径雷达(synthetic aperture radar,sar)影像提供的散射信息进行联合土地覆盖分类技术的研究。

2、具体来说,sar影像具有全天时和全天候监测的特殊优势,已成为作物监测的有力工具。sar是一种主动传感器,对介电效应、纹理和方向都很敏感。sar数据包含多种成像模式的相位和强度信息,包括单一模式、双模式和偏振模式,这些模式提供了基于深度学习的特征提取所需的作物物候的背景信息。然而,土壤粗本文档来自技高网...

【技术保护点】

1.基于跨模态空间动态融合网络的高分辨大场景SAR和光学影像土地覆盖分类方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于跨模态空间动态融合网络的高分辨大场景SAR和光学影像土地覆盖分类方法,其特征在于,所述步骤2中跨模态空间动态融合网络模型的构建方法为:

3.根据权利要求1所述的基于跨模态空间动态融合网络的高分辨大场景SAR和光学影像土地覆盖分类方法,其特征在于,所述步骤3中训练使用的损失函数构建方法为:

4.基于权利要求1至3任一项所述的基于跨模态空间动态融合网络的高分辨大场景SAR和光学影像土地覆盖分类系统,其特征在于,包括:

...

【技术特征摘要】

1.基于跨模态空间动态融合网络的高分辨大场景sar和光学影像土地覆盖分类方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于跨模态空间动态融合网络的高分辨大场景sar和光学影像土地覆盖分类方法,其特征在于,所述步骤2中跨模态空间动态融合网络模型的构建方法为:

3.根据权利要求1所述的基于跨模态空间动态融合网络的高分辨大场景sar和光学影像土地覆盖分类方法,其特征在于,所...

【专利技术属性】
技术研发人员:张诚任仲乐侯彪李卫斌焦李成
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1