← 返回列表
一种基于AGLT网络的高光谱与激光雷达数据融合分类方法
摘要文本
一种基于AGLT网络的高光谱与激光雷达数据融合分类方法，它属于高光谱图像分类领域。本发明解决了现有方法的分类性能差的问题。本发明可以从高光谱图像数据中捕获和学习高光谱空‑谱联合特征，从LiDAR‑DSM数据中获取高程特征；并将非对称卷积核引入视觉Transformer结构，充分利用了卷积神经网络强大的空间上下文信息提取能力和基于自注意力机制的视觉Transformer强大的远程依赖建模能力；设计Bi前馈单元用于视觉Transformer，以充分提取数据的全局和局部信息，提高了模型的分类性能。本发明方法可以应用于高光谱图像分类。
申请人信息
- 申请人:哈尔滨工程大学
- 申请人地址:150001 黑龙江省哈尔滨市南岗区南通大街145号
- 发明人: 哈尔滨工程大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于AGLT网络的高光谱与激光雷达数据融合分类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311439960.3 |
| 申请日 | 2023/11/1 |
| 公告号 | CN117475216A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 哈尔滨工程大学 |
| 发明人 | 王敏慧; 孙亚秀; 项建弘; 王霖郁; 黄丽莲; 钟瑜; 孙蕊; 武雅若; 蒋涵宇; 王英; 徐昊 |
| 地址 | 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室 |
专利主权项内容
1.一种基于AGLT网络的高光谱与激光雷达数据融合分类方法，其特征在于，所述方法具体包括以下步骤：步骤1、获取LiDAR-DSM图像数据及高光谱图像数据；步骤2、采用主成分分析法对获取的高光谱图像数据进行降维处理，得到降维处理后的高光谱图像数据；步骤3、对获取的LiDAR-DSM图像数据和降维处理后的高光谱图像数据进行切片处理，再将切片处理后的LiDAR-DSM图像数据以及高光谱图像数据划分为训练集和测试集两部分；步骤4、构建AGLT网络，利用训练集对构建的AGLT网络进行训练，直至AGLT网络在测试集上的分类准确率不再提升时停止训练，获得训练好的AGLT网络；步骤5、利用训练好的AGLT网络对待分类的高光谱图像和LiDAR-DSM图像进行联合处理，得到分类结果。