摘要
本发明提供一种多光谱与SAR数据融合的方法、介质及系统,属于电数字数据处理技术领域,本发明通过构建低分辨率SAR影像与降质多光谱影像的训练集,以原始多光谱影像作为监督标签,设计包含特征提取、特征融合及图像重建模块的深度网络架构。采用瓦片式样本训练策略优化网络参数,在预测阶段将空间配准后的多光谱影像与高分辨率SAR影像输入训练好的网络,输出空间分辨率提升且光谱信息完整的融合影像。该方法利用注意力机制实现异质数据特征的自适应融合,通过降质‑重建的监督学习策略保持光谱完整性,有效解决了多光谱影像空间分辨率低与SAR数据融合过程中光谱信息失真的技术问题。
技术关键词
多光谱
影像
深度融合网络
可读存储介质
分辨率提升
方程
图像重建
电数字数据处理技术
指数
特征提取模块
瓦片
监督学习策略
纹理
插值算法
计算机
注意力机制
优化网络参数
深度学习训练
系统为您推荐了相关专利信息
人脸图像数据
人脸识别模型
人脸特征向量
样本
人脸识别方法
分类诊断方法
分布式模型
超声造影
分布式训练
肝脏
检测识别方法
后处理参数
检测识别系统
滤波器
数据
自动化生成方法
报告
计算机可读指令
辅助工具
大语言模型
燃气轮机故障检测
故障检测模型
卷积神经网络模块
长短期记忆网络
燃气轮机燃烧室