一种基于特征置信度的高光谱与激光雷达数据融合分类方法技术

一种基于特征置信度的高光谱与激光雷达数据融合分类方法，它属于遥感图像分类领域。本发明专利技术解决了传统方法并未考虑不同数据源的特征在重要性上的差异，导致分类精度低的问题。本发明专利技术从高光谱图像数据中捕获和学习高光谱空‑谱联合特征，从LiDAR‑DSM数据中获取高程特征；通过融合特征置信度分配模块对多模态特征进行融合，并为不同特征分配不同的置信权重，可以确保高质量、高相关性的特征信息得到更多关注，从而在融合过程中抑制低置信度特征对结果的负面影响；设计的多级特征交互融合编码器可以多次融合多模态语义特征，增强模型捕捉不同模态数据关联性的能力，避免信息丢失或不充分融合，显著提升分类精度。本发明专利技术方法可以应用于遥感图像分类。

【技术实现步骤摘要】

本专利技术属于遥感图像分类领域，具体涉及一种基于特征置信度的高光谱与激光雷达数据融合分类方法。

技术介绍

1、随着遥感技术的快速发展与广泛应用，单一模态的遥感数据已难以满足对复杂地表环境进行全面、精确描述的需求，促使多模态遥感数据融合成为提升信息提取精度的关键策略。其中，高光谱图像(hsi)与激光雷达数字表面模型(lidar-dsm)的融合分类任务已成为一种典型的研究场景。然而，如何有效评估各数据源或特征在分类任务中的可信度，并实现高效融合以保持卓越的分类精度，依然是当前遥感领域亟待解决的问题。

2、特征置信度是衡量不同数据源或特征在分类任务中可靠性的重要指标，能够有效反映各个特征对分类结果的贡献程度。在多模态数据融合过程中，由于不同模态的特征具有独特的性质、分布和质量，它们在分类任务中的贡献和作用存在显著差异，因此，合理评估和分配特征的置信度至关重要。传统的多模态数据融合分类方法通常通过简单拼接或均值处理来整合来自多个数据源的特征，往往忽视了不同数据源特征在重要性上的显著差异，可能导致一些较为不可靠的特征在融合过程中对分类结果产生过度影响，从本文档来自技高网...

【技术保护点】

1.一种基于特征置信度的高光谱与激光雷达数据融合分类方法，其特征在于，所述方法具体包括以下步骤：

2.根据权利要求1所述的一种基于特征置信度的高光谱与激光雷达数据融合分类方法，其特征在于，所述对获取的高光谱图像数据进行降维处理采用的是主成分分析法。

3.根据权利要求2所述的一种基于特征置信度的高光谱与激光雷达数据融合分类方法，其特征在于，所述融合特征置信度分配模块的工作过程为：

4.根据权利要求3所述的一种基于特征置信度的高光谱与激光雷达数据融合分类方法，其特征在于，所述第一个多级语义特征交互融合编码器的工作过程为：

5.根据权利要求3所述...

【技术特征摘要】

1.一种基于特征置信度的高光谱与激光雷达数据融合分类方法，其特征在于，所述方法具体包括以下步骤：

2.根据权利要求1所述的一种基于特征置信度的高光谱与激光雷达数据融合分类方法，其特征在于，所述对获取的高光谱图像数据进行降维处理采用的是主成分分析法。

3.根据权利要求2所述的一种基于特征置信度的高光谱与激光雷达数据融合分类方法，其特...

【专利技术属性】
技术研发人员：王敏慧，王爱丽，吴海滨，刘城洋，闫思奇，吕浩然，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：