【技术实现步骤摘要】
本专利技术涉及多光谱点云分类方法。
技术介绍
1、多光谱点云包含地物的三维空间与光谱信息，可以利用立体观测手段解译地物的组成与分布。与传统观测技术相比，多光谱点云数据具有诸多优势：多高光谱图像成像效果受光照条件影响大且缺乏三维空间信息；激光雷达点云仅获得地物三维空间信息而缺乏光谱信息。多光谱点云可以同时获得场景地物的三维空间与光谱信息，在多种下游任务中具有巨大潜力。
2、当前，多光谱点云分类方法主要有两类，一种是基于机器学习的方法，一种是基于深度学习的方法。基于机器学习的方法计算量小，所需训练数据也更少，但分类效果较差；基于深度学习的方法整体分类精度更高，但需要大量手动标注的真值辅助训练；此外现有深度学习方法大多在室内数据集上进行广泛测试，而少有针对遥感场景特点优化设计。
技术实现思路
1、本专利技术的目的是为了解决现有基于机器学习的多光谱点云分类方法分类效果较差，基于深度学习的多光谱点云分类方法需要大量手动标注的真值辅助训练的问题，而提出一种面向遥感场景的多光谱点云分类方法。
2、一本文档来自技高网...
【技术保护点】
1.一种面向遥感场景的多光谱点云分类方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的一种面向遥感场景的多光谱点云分类方法，其特征在于：所述步骤一中利用网格平衡采样方法对多光谱点云进行处理，获得训练样本与测试样本；
3.根据权利要求2所述的一种面向遥感场景的多光谱点云分类方法，其特征在于：所述步骤二中构建特征聚合网络；
4.根据权利要求3所述的一种面向遥感场景的多光谱点云分类方法，其特征在于：所述步骤三中构建多分类头与自适应混合损失模块；
5.根据权利要求4所述的一种面向遥感场景的多光谱点云分类方法，其特征...
【技术特征摘要】
1.一种面向遥感场景的多光谱点云分类方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的一种面向遥感场景的多光谱点云分类方法，其特征在于：所述步骤一中利用网格平衡采样方法对多光谱点云进行处理，获得训练样本与测试样本；
3.根据权利要求2所述的一种面向遥感场景的多光谱点云分类方法，其特征在于：所述步骤二中构建特征聚合网络；
4.根据权利要求3所述的一种面向遥感场景的多光谱点云分类方法，其特征在于：所述步骤三中构建多分类头与自适应混合损失模块；
5.根据权利要求4所述的一种面向遥感场景的多光谱点云分类方法，其特征在于：所述步骤四中将训练样本输入构建的特征聚合网络，特征聚合网络输出特征；
6.根据权利要求5所述的一种面向遥感场景的多光...
【专利技术属性】
技术研发人员：刘天竹，胡邦彦，李贤，谷延锋，
申请(专利权)人：哈尔滨工业大学，
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。