一种基于双域掩码与多尺度局部重建的高光谱图像与LiDAR数据协同分类方法

一种基于双域掩码与多尺度局部重建的高光谱图像与LiDAR数据协同分类方法，它属于遥感图像分类领域。本发明解决了传统方法跨模态分类中标注数据稀缺与多源特征融合精度不足的问题。本发明通过掩码随机图像块和通道进行特征学习；设计分层多尺度重建架构，下层编码器学习细粒度特征，上层编码器恢复宏观语义信息，结合反卷积上采样与自适应池化实现多级特征空间对齐。通过融合卷积神经网络(Convolutional Neural Network,CNN)局部特征提取优势与Transformer全局建模能力，构建多模态特征交互机制与跨模态注意力模块，强化异构数据互补性。该方法通过多层级特征动态融合与自适应权重分配，提高了高光谱图像和LiDAR数据的协同分类精度。本发明方法可以应用于遥感图像分类。