摘要
本发明提供了基于特征纠正和去冗余的光学和SAR图像语义分割方法,主要解决特征融合时大量冗余信息覆盖特定的优势特征的问题。本发明基于跨模态特征纠正和去冗余方法,利用一个模态的优势特征纠正另一模态的劣势特征,去除单一模态包含的缺陷,避免对后续的特征的提取和融合造成干扰,然后将两个模态的特征进行对比并去除两个模态包含的冗余信息,在特征融合时避免大量冗余信息覆盖特定的优势特征,提升了光学图像和SAR图像协同语义分割的精度。
技术关键词
图像语义分割方法
模态特征
神经网络模型
池化特征
空间多尺度
融合特征
冗余特征
注意力
网络模块
交互特征
通道
多尺度池化
矩阵
特征提取模块
sigmoid函数
双线性插值法
系统为您推荐了相关专利信息
卷积神经网络模型
信号识别模型
雷达信号识别方法
软件无线电射频
信号识别装置
风电机组偏航
激光测风雷达
偏航控制系统
驱动风电机组
移动平均滤波
显示器校正方法
数据
亮度
背光检测模块
点亮显示屏
检测图像处理方法
荧光
图片
图像处理神经网络
像素点