【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于高光谱图像和lidar数据的融合分类方法、系统、终端及计算机可读存储介质。
技术介绍
1、高光谱图像可以通过各种传感器获取，例如航空、卫星或地面传感器。这些传感器在不同的光谱范围内采集数据，并以数百个波段的形式提供高光谱图像。高光谱的每个像素点包含了一个完整的光谱反射或辐射曲线，因此高光谱图像可以提供丰富的光谱信息，并允许人们对地物进行更准确的分类和识别，在矿产勘探、城市规划、灾害监测等领域发挥着重要作用。
2、仅使用高光谱图像进行分类，存在一些缺点。一方面，高光谱的采集过程容易受到大气等因素的影响，且高光谱图像中的混合像素问题也限制了精细分类的任务的实现，因此研究人员开始使用激光雷达(light detection and ranging，lidar)数据为高光谱图像提供了有用的互补特征，以满足不同应用需求，并通过深度学习的方法将高光谱图像和lidar数据的特征进行融合和分类。
3、但是，目前大多数研究没有考虑到多模态数据(高光谱图像和lidar数据)在不同尺度上可能具有...
【技术保护点】
1.一种基于高光谱图像和LiDAR数据的融合分类方法，其特征在于，所述基于高光谱图像和LiDAR数据的融合分类方法包括：
2.根据权利要求1所述的基于高光谱图像和LiDAR数据的融合分类方法，其特征在于，所述对所述地物分类模型进行训练和测试，得到目标模型，具体包括：
3.根据权利要求1所述的基于高光谱图像和LiDAR数据的融合分类方法，其特征在于，所述特征提取模块包括第一特征提取模块和第二特征提取模块；
4.根据权利要求1所述的基于高光谱图像和LiDAR数据的融合分类方法，其特征在于，所述SAGC模块包括四个分支，四个所述分支分别用...
【技术特征摘要】
1.一种基于高光谱图像和lidar数据的融合分类方法，其特征在于，所述基于高光谱图像和lidar数据的融合分类方法包括：
2.根据权利要求1所述的基于高光谱图像和lidar数据的融合分类方法，其特征在于，所述对所述地物分类模型进行训练和测试，得到目标模型，具体包括：
3.根据权利要求1所述的基于高光谱图像和lidar数据的融合分类方法，其特征在于，所述特征提取模块包括第一特征提取模块和第二特征提取模块；
4.根据权利要求1所述的基于高光谱图像和lidar数据的融合分类方法，其特征在于，所述sagc模块包括四个分支，四个所述分支分别用于捕捉不同尺度的特征。
5.根据权利要求4所述的基于高光谱图像和lidar数据的融合分类方法，其特征在于，所述将所述第一抽象特征和所述第二抽象特征输入到所述sagc模块进行不同尺度下特征的捕捉和组合，得到多尺度空间特征，具体包括：
6.根据权利要求1所述的基于高光谱图像和lidar数据的融合分类方法，其特征在于，所述将所述多尺度空间特征输入到所...
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。