基于光学影像和合成孔径雷达影像的地物分类方法、设备、介质及产品技术

本申请公开了一种基于光学影像和合成孔径雷达影像的地物分类方法、设备、介质及产品，涉及地物分类领域，获取待分类区域的光学影像和合成孔径雷达影像；根据光学影像和合成孔径雷达影像，利用地物分类模型确定待分类区域的地物类别；地物分类模型是利用训练数据集对地物分类初始模型进行训练得到的；地物分类初始模型包括第一特征提取网络、第二特征提取网络、特征融合模块和分类模块；特征提取网络提取合成孔径雷达影像的深层特征和浅层特征以及光学影像的深层特征和浅层特征；特征融合模块将提取的深层特征和浅层特征进行融合，得到特征信息融合图像；分类模块根据特征信息融合图像确定待分类区域的地物类别。本申请提高了地物分类的准确性。

【技术实现步骤摘要】

本申请涉及地物分类领域，特别是涉及一种基于光学影像和合成孔径雷达影像的地物分类方法、设备、介质及产品。

技术介绍

1、遥感影像提供了目标区域的极为丰富的、复杂的大量数据，遥感影像分类是遥感影像目标解译的关键环节。随着遥感技术的不断发展，其观测方式由单一的地面观测方式演变为多平台、多源、多尺度的观测方式，因此遥感影像能够提供更全面、更精准的信息。在进行图像分类时，单模态数据的使用尚不足以满足实际分类的需求，因此，光学影像和合成孔径雷达影像进行协同处理也越来越受到研究者的重视。合成孔径雷达(syntheticaperture radar，sar)影像能够表现出比较好的结构特征，具备全天时全天候、穿透性强等优点，但是它的清晰度却相对不高；光学影像以光谱信息为主，对遥感影像进行地物分类变得容易，但光学传感器在成像时很容易受到气候及观测时刻的影响。将sar影像与光学影像进行融合，可以充分利用不同数据类型中的信息，抵消单一数据类型的干扰；并且利用多种数据类型中的信息来学习地物特征的一般规律，泛化能力得以提高，准确率也会有提高。

2、但是由于两种传感器成像原本文档来自技高网...

【技术保护点】

1.一种基于光学影像和合成孔径雷达影像的地物分类方法，其特征在于，包括：

2.根据权利要求1所述的基于光学影像和合成孔径雷达影像的地物分类方法，其特征在于，特征提取网络包括：依次连接的第一跳跃密集连接模块、第一下采样过渡层、第二跳跃密集连接模块、第二下采样过渡层、第三跳跃密集连接模块、第三下采样过渡层、第四跳跃密集连接模块、第一上采样过渡层、第一特征提取模块、第二上采样过渡层、第二特征提取模块、第三上采样过渡层和第三特征提取模块；所述第四跳跃密集连接模块和所述第三特征提取模块均与所述特征融合模块连接。

3.根据权利要求2所述的基于光学影像和合成孔径雷达影像的地物分...

【技术特征摘要】

1.一种基于光学影像和合成孔径雷达影像的地物分类方法，其特征在于，包括：

2.根据权利要求1所述的基于光学影像和合成孔径雷达影像的地物分类方法，其特征在于，特征提取网络包括：依次连接的第一跳跃密集连接模块、第一下采样过渡层、第二跳跃密集连接模块、第二下采样过渡层、第三跳跃密集连接模块、第三下采样过渡层、第四跳跃密集连接模块、第一上采样过渡层、第一特征提取模块、第二上采样过渡层、第二特征提取模块、第三上采样过渡层和第三特征提取模块；所述第四跳跃密集连接模块和所述第三特征提取模块均与所述特征融合模块连接。

3.根据权利要求2所述的基于光学影像和合成孔径雷达影像的地物分类方法，其特征在于，所述特征融合模块包括：第一基于自注意力机制的分离融合门控模块、第二基于自注意力机制的分离融合门控模块和第四上采样过渡层；所述第一基于自注意力机制的分离融合门控模块和所述第四跳跃密集连接模块连接；所述第二基于自注意力机制的分离融合门控模块分别与所述第四上采样过渡层和所述第三特征提取模块连接；所述基于自注意力机制的分...

【专利技术属性】
技术研发人员：吴昊，蔡晗，李林澄，李参海，杨科莹，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：