一种基于多正样本匹配的多模态对比学习遥感分类方法

本发明公开了一种基于多正样本匹配的多模态对比学习遥感分类方法，包括构建多模态对比学习遥感分类模型；通过联合优化交叉熵分类损失和多正样本对对比学习损失，进行所述多模态对比学习遥感分类模型的端到端训练；基于训练完成的模型，对高光谱图像及其对应的激光雷达数据进行融合分类，输出最终地物类别分类结果。该方法通过分层交叉注意力融合模块与多正样本匹配策略，实现了遥感多模态数据在多个语义层级上的深度融合与稳定对比学习。该方法能够有效提升模态间的信息交互质量和语义一致性，同时降低传统对比学习方法对负样本的依赖，显著提升多模态遥感图像的分类准确性与鲁棒性。