买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南大学

摘要：本发明公开了一种高光谱和SAR图像融合识别方法及系统，本发明方法包括将高光谱图像和SAR图像输入预先训练好的图卷积融合网络来获得遥感图像分类结果，所述图卷积融合网络进行遥感图像分类包括下述步骤：提取高光谱图像的光谱特征；提取高光谱图像和SAR图像的联合空间特征；融合光谱特征和特征联合空间特征获得融合特征；对融合特征进行分类识别得到遥感图像分类结果。本发明旨在利用图卷积网络在建模高阶非线性结构方面的优势，基于高光谱和SAR图像准确地识别复杂遥感图像中不同地物类别。

主权项：1.一种高光谱和SAR图像融合识别方法，其特征在于，包括将高光谱图像和SAR图像输入预先训练好的图卷积融合网络来获得遥感图像分类结果，所述图卷积融合网络进行遥感图像分类包括下述步骤：S101，提取高光谱图像的光谱特征；提取高光谱图像和SAR图像的联合空间特征；S102，融合光谱特征和特征联合空间特征获得融合特征；S103，对融合特征进行分类识别得到遥感图像分类结果；步骤S101中提取高光谱和SAR图像的联合空间特征是指采用双分支图卷积网络实现，且采用双分支图卷积网络提取高光谱和SAR图像的联合空间特征包括：S201，将高光谱图像经过PCA算法降维得到RGB图像；S202，针对SAR图像和RGB图像，分别使用线性判别分析算法LDA与简单线性迭代聚类算法SLIC进行超像素分割操作得到SAR图像超像素分割结果和RGB图像超像素分割结果；S203，通过第一个分支对SAR图像超像素分割结果进行多级跨模态残差跳跃连接得到SAR图像像素级空间特征，通过第二个分支对RGB图像超像素分割结果进行多级跨模态残差跳跃连接得到RGB图像像素级空间特征；S204，将SAR图像像素级空间特征和RGB图像像素级空间特征两者融合得到高光谱图像和SAR图像的联合空间特征；步骤S203中的第一分支中，跨模态残差跳跃连接函数表达式为： 上式中，为第一个分支中第i级跨模态残差跳跃连接的输出，表示一次图卷积操作，第二个分支中第i-1级跨模态残差跳跃连接的输出或者第1级跨模态残差跳跃连接的输入，为第一个分支中第i-1级跨模态残差跳跃连接的输出或者第1级跨模态残差跳跃连接的输入；所述第二个分支中，跨模态残差跳跃连接函数表达式为： ，上式中，为第二个分支中第i级跨模态残差跳跃连接的输出，表示一次图卷积操作，为第一个分支中第i-1级跨模态残差跳跃连接的输出或者第1级跨模态残差跳跃连接的输入，为第二个分支中第i-1级跨模态残差跳跃连接的输出或者第1级跨模态残差跳跃连接的输入；步骤S204中将SAR图像像素级空间特征和RGB图像像素级空间特征两者融合得到高光谱图像和SAR图像的联合空间特征的函数表达式为： ，上式中，为高光谱图像和SAR图像的联合空间特征。

全文数据：

权利要求：

百度查询： 湖南大学 一种高光谱和SAR图像融合识别方法及系统