【技术实现步骤摘要】
所属的技术人员知道，本专利技术可以实现为系统、方法或计算机程序产品，因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本专利技术还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)，只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本专利技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本专利技术的限制，本领域的普通技术人员在本专利技术的范围内可以对上述实施例进行变化、修改、替换和变型。
技术介绍
1、地质学作为典型的数据密集型学科，包括了遥感影像数据、地球化学异常数据、物探异常数据、钻井数据和基础地质
2、目前，在多源地质数据融合领域，传统小波变换方法集中在对单个数据源不同传感器数据之间的融合中。比如对高光谱遥感数据与高空间分辨率遥感数据进行基于小波变换的融合，得到高光谱、高空间分辨率的影像数据。另一方面，传统小波变换虽然可以多尺度地提取图像的特征，但后续对于特征的处理还只是简单的叠加，造成了一些关键特征权重与非关键特征权重一致的情况，不利于后续的数据分析工作。
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种地球化学与遥感图像的融合方法、系统、电子设备和存储介质。
2、第一方面，本专利技术提供一种地球化学与遥感图像的融合方法，该方法的技术方案如下：
3、构建包含小波变换模块与特征权重分配模块的wvtnet模型，并对wvtnet模型进行训练；其中，所述小波变换模块用于：对样本区域的目标地球化学数据与目标多光谱遥感图像分别进行多尺度图像分解，得到所述目标地球化学数据对应的不同尺度的第一图像局部特征以及所述目标多光谱遥感图像对应的不同尺度的第二图像局部特征；所述特征权重分配模块用于：基于视觉注意力机制，获取多个第一图像局部特征中的第一关键特征以及多个第二图像局部特征中的第二关键特征，并利用卷积层上采样方式，将所述第一关键特征与所述第二关键特征进行融合，得到样本融合图像；
4、将目标区域的目标地球化学数据与目标多光谱遥感图像输入训练好的wvtnet模型，得到目标融合图像。
5、本专利技术的一种地球化学与遥感图像的融合方法的有益效果如下：
6、本专利技术的方法通过构建wvtnet模型实现了对地球化学数据与遥感图像数据的融合，提高了融合数据的可靠性与信息密度，有助于后续的数据分析工作。
7、在上述方案的基础上，本专利技术的一种地球化学与遥感图像的融合方法还可以做如下改进。
8、在一种可选的方式中，还包括：
9、获取所述目标区域的原始地球化学数据和原始多光谱遥感图像；
10、对所述目标区域的原始地球化学数据依次进行异常点剔除与克里金差值处理，得到所述目标区域的目标地球化学数据，并对所述目标区域的原始多光谱遥感图像依次进行辐射标定、大气校正与几何矫正，得到所述目标区域的目标多光谱遥感图像。
11、在一种可选的方式中，对样本区域的目标地球化学数据与目标多光谱遥感图像分别进行多尺度图像分解，得到所述目标地球化学数据对应的不同尺度的第一图像局部特征以及所述目标多光谱遥感图像对应的不同尺度的第二图像局部特征的步骤，包括：
12、对所述样本区域的目标地球化学数据与目标多光谱遥感图像分别进行二维离散小波变换，得到所述样本区域的目标地球化学数据的频率域映射结果以及所述目标多光谱遥感图像的频率域映射结果；
13、基于db-4小波函数，对所述目标地球化学数据的频率域映射结果以及所述目标多光谱遥感图像的频率域映射结果分别进行多尺度图像分解，得到所述目标地球化学数据对应的不同尺度的第一图像局部特征以及所述目标多光谱遥感图像对应的不同尺度的第二图像局部特征。
14、在一种可选的方式中，基于视觉注意力机制，获取多个第一图像局部特征中的第一关键特征以及多个第二图像局部特征中的第二关键特征的步骤，包括：
15、基于视觉注意力机制，对多个第一图像局部特征进行权重分配，得到所述第一关键特征，并对多个第二图像特征进行权重分配，得到所述第二关键特征。
16、在一种可选的方式中，利用卷积层上采样方式，将所述第一关键特征与所述第二关键特征进行融合，得到样本融合图像的步骤，包括：
17、对所述第一关键特征与所述第二关键特征进行组合，得到融合关键特征，并对所述融合关键特征在频率域的所有输出结果进行db-4变换，得到图像域关键特征并进行上采样，得到所述样本融合图像。
18、第二方面，本专利技术提供一种地球化学与遥感图像的融合系统，该系统的技术方案如下：
19、包括：构建单元和融合单元；
20、所述构建单元用于：构建包含小波变换模块与特征权重分配模块的wvtnet模型，并对wvtnet模型进行训练；其中，所述小波变换模块用于：对样本区域的目标地球化学数据与目标多光谱遥感图像分别进行多尺度图像分解，得到所述目标地球化学数据对应的不同尺度的第一图像局部特征以及所述目标多光谱遥感图像对应的不同尺度的第二图像局部特征；所述特征权重分配模块用于：基于视觉注意力机制，获取多个第一图像局部特征中的第一关键特征以及多个第二图像局部特征中的第二关键特征，并利用卷积层上采样方式，将所述第一关键特征与所述第二关键特征进行融合，得到样本融合图像；
21、所述融合单元用于：将目标区域的目标地球化学数据与目标多光谱遥感图像输入训练好的wvtnet模型，得到目标融合图像。
22、本专利技术的一种本文档来自技高网...
【技术保护点】
1.一种地球化学与遥感图像的融合方法，其特征在于，包括：
2.根据权利要求1所述的地球化学与遥感图像的融合方法，其特征在于，还包括：
3.根据权利要求1所述的地球化学与遥感图像的融合方法，其特征在于，对样本区域的目标地球化学数据与目标多光谱遥感图像分别进行多尺度图像分解，得到所述目标地球化学数据对应的不同尺度的第一图像局部特征以及所述目标多光谱遥感图像对应的不同尺度的第二图像局部特征的步骤，包括：
4.根据权利要求1所述的地球化学与遥感图像的融合方法，其特征在于，基于视觉注意力机制，获取多个第一图像局部特征中的第一关键特征以及多个第二图像局部特征中的第二关键特征的步骤，包括：
5.根据权利要求4所述的地球化学与遥感图像的融合方法，其特征在于，利用卷积层上采样方式，将所述第一关键特征与所述第二关键特征进行融合，得到样本融合图像的步骤，包括：
6.一种地球化学与遥感图像的融合系统，其特征在于，包括：构建单元和融合单元；
7.根据权利要求6所述的地球化学与遥感图像的融合系统，其特征在于，还包括：预处理单元；所述预处
8.根据权利要求6所述的地球化学与遥感图像的融合系统，其特征在于，所述小波变换模块具体用于：
9.一种电子设备，其特征在于，所述电子设备包括处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述电子设备实现如权利要求1至5任一项所述的地球化学与遥感图像的融合方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机可读存储介质实现如权利要求1至5任一项所述的地球化学与遥感图像的融合方法。
...【技术特征摘要】
1.一种地球化学与遥感图像的融合方法，其特征在于，包括：
2.根据权利要求1所述的地球化学与遥感图像的融合方法，其特征在于，还包括：
3.根据权利要求1所述的地球化学与遥感图像的融合方法，其特征在于，对样本区域的目标地球化学数据与目标多光谱遥感图像分别进行多尺度图像分解，得到所述目标地球化学数据对应的不同尺度的第一图像局部特征以及所述目标多光谱遥感图像对应的不同尺度的第二图像局部特征的步骤，包括：
4.根据权利要求1所述的地球化学与遥感图像的融合方法，其特征在于，基于视觉注意力机制，获取多个第一图像局部特征中的第一关键特征以及多个第二图像局部特征中的第二关键特征的步骤，包括：
5.根据权利要求4所述的地球化学与遥感图像的融合方法，其特征在于，利用卷积层上采样方式，将所述第一关键特征与所述第二关键特征进行融合，得到样本融合图像的步骤，包括：
【专利技术属性】
技术研发人员：李冬，王金林，周可法，张清，毕建涛，汪玮，廖涛，马秀梅，白泳，李超，王彬彬，王瑞，裘贺顺，屈广俊，卢应鹏，
申请(专利权)人：中国科学院空间应用工程与技术中心，
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。