摘要
一种高光谱与激光雷达联合分类方法,属于高光谱与激光雷达联合分类技术领域。为了解决现有融合策略存在信息量级失衡严重的问题,以及模型中存在模态学习冲突的问题。本发明中,针对高光谱图像采用双路径神经网络对提取空间特征和光谱特征,对空间特征和光谱特征进行特征融合得到高光谱图像特征;针对于激光雷达图像利用二维残差卷积神经网络对进行特征提取得到特征图;利用加权分数傅里叶增强融合模块对高光谱和激光雷达图像进行特征融合,经过分类器得到最终分类结果。在模型训练的过程中,利用帕累托软优化策略对模型进行迭代训练,以得到最优的模型参数。
技术关键词
加权分数傅里叶变换
激光雷达图像
分类方法
高光谱图像特征
残差卷积神经网络
残差网络
分类器
集成特征
融合特征
Sigmoid函数
多层感知机层
补丁
注意力
索引
分类技术
融合策略
像素
线性
系统为您推荐了相关专利信息
检测识别分类方法
药液生产线
原始图像数据
识别分类系统
实时图像采集
烟叶香型
近红外光谱特征
香型烟叶
模型训练方法
分类方法
自动分类方法
无监督分类
标记
标识特征
自动分类系统