【技术实现步骤摘要】
一种基于深度特征融合模型的矿区土地覆盖分类方法
[0001]本专利技术涉及遥感影像分类领域,具体而言,涉及一种基于深度特征融合模型的矿区土地覆盖分类方法。
技术介绍
[0002]开展矿区土地覆盖精细分类研究,对于矿区的精细化管理、矿区生态环境监测与可持续发展等具有重要意义。在复杂的露天采矿景观中,特定于景观的部分特征限制了算法的准确性。例如矿区的复杂景观特点如立体地形特征显著、光谱
‑
空间特征同质性强和遥感特征时空变异性强,严重制约了土地覆盖分类精度的提升。基于特征工程和传统机器学习分类器的方法在各种遥感分类中取得了一定的成功,但浅层人工设计特征的表示能力不足,限制了其开展分类的精度上限。
技术实现思路
[0003]本专利技术解决的问题是如何针对矿区典型特征以提高土地覆盖分类精度。
[0004]为解决上述问题,本专利技术提供一种基于深度特征融合模型的矿区土地覆盖分类方法,所述深度特征融合模型包括第一深层模型、第二深层模型、深度置信模型和分类器,所述基于深度特征融合模型的矿区土地覆盖分类方法包括:获取标定矿区的遥感数据,从所述标定矿区的遥感数据中提取多模态数据,其中,所述多模态数据包括多光谱影像和数字高程模型数据;基于所述多模态数据提取多模态浅层特征,使用所述深度置信模型处理所述多模态浅层特征获得多模态深度特征;使用所述第一深层模型处理所述多光谱影像的像元邻域获得深层光谱
‑
空间特征,使用所述第二深层模型处理所述数字高程模型数据的像元邻域获得深层地形特征;融合 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度特征融合模型的矿区土地覆盖分类方法,其特征在于,所述深度特征融合模型包括第一深层模型、第二深层模型、深度置信模型和分类器,所述基于深度特征融合模型的矿区土地覆盖分类方法包括:获取标定矿区的遥感数据,从所述标定矿区的遥感数据中提取多模态数据,其中,所述多模态数据包括多光谱影像和数字高程模型数据;基于所述多模态数据提取多模态浅层特征,使用所述深度置信模型处理所述多模态浅层特征获得多模态深度特征;使用所述第一深层模型处理所述多光谱影像的像元邻域获得深层光谱
‑
空间特征,使用所述第二深层模型处理所述数字高程模型数据的像元邻域获得深层地形特征;融合所述多模态深度特征、所述深层光谱
‑
空间特征以及所述深层地形特征输入所述分类器,获得分类结果。2.根据权利要求1所述的基于深度特征融合模型的矿区土地覆盖分类方法,其特征在于,所述基于所述多模态数据提取多模态浅层特征,使用所述深度置信模型处理所述多模态浅层特征获得多模态深度特征包括:使用所述多模态数据提取所述多模态浅层特征,其中,所述多模态浅层特征包括浅层光谱
‑
空间特征和浅层地形特征;将所述浅层光谱
‑
空间特征与所述浅层地形特征通过向量串联的方式堆叠,获得浅层堆叠特征;基于所述深度置信模型处理所述浅层堆叠特征获得所述多模态深度特征。3.根据权利要求2所述的基于深度特征融合模型的矿区土地覆盖分类方法,其特征在于,在所述使用所述第一深层模型处理所述多光谱影像的像元邻域获得深层光谱
‑
空间特征,使用所述第二深层模型处理所述数字高程模型数据的像元邻域获得深层地形特征之前,还包括:获取所述遥感数据的地物类型及数据尺寸;根据所述地物类型和所述数据尺寸获得所述像元邻域的大小。4.根据权利要求3所述的基于深度特征融合模型的矿区土地覆盖分类方法,其特征在于,所述使用所述第一深层模型处理所述多光谱影像的像元邻域获得深层光谱
‑
空间特征,使用所述第二深层模型处理所述数字高程模型数据的像元邻域获得深层地形特征包括:基于所述多光谱影像的像元及其对应的所述像元邻域的大小,提取第一数据,基于所述数字高程模型数据的像元及其对应的所述像元邻域的大小,获得第二数据;使用所述第一深层模型处理所述第一数据获得所述深层光谱
‑
空间特征,使用所述第二深层模型处理所述第二数据获得所述深层地形特征。5.根据权利要求4所述的基于深度特征融合模型的矿区土地覆盖分类方法,其特征在于,所述融合所述多模...
【专利技术属性】
技术研发人员:杨静,秦艳艳,李显巨,胡学彤,
申请(专利权)人:宁夏回族自治区地球物理地球化学调查院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。