摘要
本发明涉及双模态融合与校正的遥感图像语义分割方法。首先多源高分光学图像和nDSM图像组成的样本对分别输入到网络的对应两个分支。模型的双分支结构对两个模态进行四个阶段的特征提取和通道与空间融合校正,产生阶段性增强特征与阶段性融合特征。第一个阶段的特征提取结果还用于模态互补边界的提取,以得到多尺度边界特征。多尺度边界特征和不同尺度的阶段性融合特征用于逐步的融合与上采样,以得到最终的语义分割结果与边界分割结果。本发明的模型能根据模态差异处理光学图像与nDSM数据,充分利用多模态互补信息实现特征校正与融合,细化边界,强化多尺度特征,有效缓解了高分遥感图像的语义分割任务中光谱混淆和类内差异大、类间差异小的问题。
技术关键词
边界特征
融合特征
上采样
通道
元素
双模态
强化特征
语义
高分遥感图像
阶段
校正模块
交叉注意力机制
输入多尺度
全局平均池化
多尺度特征
矩阵
系统为您推荐了相关专利信息
半监督异常检测方法
编码器
铁轨异物检测方法
解码模块
混合专家系统
数据扩充方法
编码器
粒子群算法优化
高斯混合模型
协方差矩阵
新能源汽车减速器
剩余使用寿命估计
模型设计方法
频域特征
通道注意力机制