频域特征学习结合CNN的高光谱图像和LiDAR数据协同分类系统

频域特征学习结合CNN的高光谱图像和LiDAR数据协同分类系统，它属于遥感图像分类技术领域。本发明优化了现有多模态遥感分类方法中光谱‑空间特征耦合机制、提升了跨模态融合效率并增强了高频细节信息的获取能力。本发明通过小波变换分解高光谱数据的低频光谱特征与高频空间细节，采用混合卷积架构实现层次化特征提取；同时，设计动态通道加权机制融合LiDAR的多尺度高程特征，通过残差注意力机制增强地形特征的细节提取精度；最后，构建频域‑空域双流特征交互模块，实现跨模态的互补特征对齐与自适应融合。本发明通过一系列创新性的技术手段，显著提升了多模态遥感数据的分类性能，为多源遥感图像分类技术领域提供了一种高效、精准且鲁棒性强的解决方案。