摘要
本发明公开了一种基于卷积神经网络的遥感影像地物分类方法及系统,包括采集预设区域的遥感影像,对所述遥感影像进行预处理;对所述相关数据修正所述遥感影像获得修正影像,对所述修正影像进行多模态特征提取获得影像特征;所述影像特征包括光谱特征、空间特征、纹理特征和极化特征;对所述影像特征进行融合比对获得比对数据,采用所述比对数据构建遥感影像地物分类模型;根据分类误差优化所述遥感影像地物分类模型,将待分类数据输入所述遥感影像地物分类模型,输出分类结果。该方法不仅可以提高遥感影像地物分类的精度,同时具有较好的可解释性,可以直接应用于遥感影像地物分类系统中。
技术关键词
遥感影像地物分类
表达式
极化特征
深度学习特征
多模态
注意力
数据
纹理特征
引入粒子群优化
机器学习算法
降维特征
存储计算机可执行指令
随机森林
融合特征
训练神经网络
特征提取模型
全局平均池化
系统为您推荐了相关专利信息
图像特征向量
仿生无人机
智能识别方法
加权特征
训练神经网络
钢筋骨架
工业相机
二维图像特征
交叉点
三维点云数据
智能机器人
关节臂
智能控制系统
执行器
移动平台
柔性电子皮肤
机器人足底
脚掌结构
机器人运动控制系统
深度强化学习