本发明专利技术提供基于双通道的多模态特征融合遥感图像分类方法及装置，涉及遥感影像处理与分析技术领域。包括：对不同模态的遥感图像进行预处理和组合图像，得到多个图像组；构建预设分类模型，预设分类模型包括依次连接的骨干网络、融合模块、门控机制层和解码层，骨干网络的结构类型包括孪生骨干网络、同构骨干网络和异构骨干网络；根据多个图像组，在预设分类模型中选取孪生骨干网络、同构骨干网络和异构骨干网络中的一个，作为骨干网络，以得到对应的目标分类模型；通过训练集对目标分类模型进行训练，得到训练好的目标分类模型；将验证集输入训练好的目标分类模型，输出分类结果。这样，使得遥感图像分类的准确性较高。
【技术实现步骤摘要】
本专利技术涉及遥感影像处理与分析，尤其涉及一种基于双通道的多模态特征融合遥感图像分类方法及装置。
技术介绍
1、遥感图像分类是现代地球观测和环境监测中至关重要的技术，遥感图像分类的主要目的是从遥感图像中提取有用的信息，将有用的信息应用于土地利用、环境管理和灾害监测等多个领域。传统的遥感图像分类方法通常依赖于单一类型的数据，如光学影像或雷达数据。传统的遥感图像分类方法虽然在某些应用中表现良好，但由于单一数据源的局限性，在处理复杂的地表特征和环境条件时可能会面临挑战。
2、目前，传统的遥感图像分类方法通常是采用传统的机器学习方法，利用传统的机器学习方法进行光学图像的分类任务。然而，传统的机器学习方法在处理多尺度特征时不够灵活，难以捕捉图像中的复杂关系和高层抽象特征，限制了对上下文信息的充分利用和特征提取，导致遥感图像分类的准确性较低。
技术实现思路
1、本专利技术实施例的目的是提供一种基于双通道的多模态特征融合遥感图像分类方法及装置，解决遥感图像分类的准确性较低的问题。
>2、为解决上述技术本文档来自技高网...
【技术保护点】
1.一种基于双通道的多模态特征融合遥感图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于双通道的多模态特征融合遥感图像分类方法，其特征在于，所述训练集中的多个图像组包括多个第一图像组、多个第二图像组和多个第三图像组，所述多个第一图像组包括光学图像与SAR图像组合以及所述光学图像与红外图像组合，所述多个第二图像组包括所述SAR图像与所述红外图像组合以及所述光学图像与多光谱图像组合，所述多个第三图像组包括所述SAR图像和所述多光谱图像组合以及所述红外图像和所述多光谱图像组合；
3.根据权利要求2所述的基于双通道的多模态特征融合遥感图像分类方法，其特...
【技术特征摘要】
1.一种基于双通道的多模态特征融合遥感图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于双通道的多模态特征融合遥感图像分类方法，其特征在于，所述训练集中的多个图像组包括多个第一图像组、多个第二图像组和多个第三图像组，所述多个第一图像组包括光学图像与sar图像组合以及所述光学图像与红外图像组合，所述多个第二图像组包括所述sar图像与所述红外图像组合以及所述光学图像与多光谱图像组合，所述多个第三图像组包括所述sar图像和所述多光谱图像组合以及所述红外图像和所述多光谱图像组合；
3.根据权利要求2所述的基于双通道的多模态特征融合遥感图像分类方法，其特征在于，所述通过所述训练集对所述目标分类模型进行训练，得到训练好的目标分类模型，包括：
4.根据权利要求3所述的基于双通道的多模态特征融合遥感图像分类方法，其特征在于，所述解码层包括全连接层，所述通过所述光学图像与所述sar图像组合以及所述光学图像与所述红外图像组合，对所述第一目标分类模型进行训练，得到训练好的第一目标分类模型，包括：
5.根据权利要求4所述的基于双通道的多模态特征融合遥感图像分类方法，其特征在于，所述融合模块包括依次连接的第一多头注意力层、第一归一化层、第...
【专利技术属性】
技术研发人员：焦李成，孙龙，刘欣雨，曹佳敏，刘旭，马文萍，张丹，田小林，
申请(专利权)人：西安电子科技大学，
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。