基本信息:
- 专利标题： 基于深度学习多模态融合的高分辨率遥感图像精准分类系统及方法
- 申请号：CN202510012475.0 申请日：2025-01-06
- 公开(公告)号：CN120047721A 公开(公告)日：2025-05-27
- 发明人： 张劳模 , 李天瑞 , 李明珍 , 马颖 , 刘政达
- 申请人： 河南工程学院
- 申请人地址： 河南省郑州市新郑龙湖镇祥和路1号
- 专利权人： 河南工程学院
- 当前专利权人： 河南工程学院
- 当前专利权人地址： 河南省郑州市新郑龙湖镇祥和路1号
- 代理机构： 北京金硕果知识产权代理事务所(普通合伙)
- 代理人： 董冰
- 主分类号： G06V10/764
- IPC分类号： G06V10/764 ; G01N21/17 ; G01N21/25 ; G01S13/89 ; G01S7/41 ; G06V10/82 ; G06V10/44 ; G06V10/42 ; G06V10/52 ; G06V10/80 ; G06V10/762 ; G06V20/10 ; G06V20/13 ; G06V20/17 ; G06V10/72 ; G06V10/10 ; G06V10/774 ; G06V10/776 ; G06N3/0464 ; G06N3/045 ; G06N3/0455 ; G06N3/0895 ; G06N5/04 ; G06N3/098 ; G06V10/94 ; G06V10/96 ; G06N3/0495 ; G06N3/082 ; G06N3/096
摘要：
本发明公开了基于深度学习多模态融合的高分辨率遥感图像精准分类系统及方法，S1：多模态数据预处理与融合优化S1.1：标准化与归一化：对不同模态的遥感数据进行标准化和归一化处理，消除不同模态间因分辨率、光谱范围等差异带来的影响。对于光学图像，可以通过直方图均衡化增强对比度。通过采用了多模态数据的优化预处理、深度融合模型设计、自动化标注与半监督学习、轻量化模型与硬件加速技术、以及增强可解释性的策略，旨在解决现有方法中存在的数据异质性、计算效率、过拟合、标注困难、实时性和可解释性等问题。通过这些优化，系统能够在保持高分类精度的同时，提高计算效率、减少人工干预，并增强模型的透明度和泛化能力，满足实际应用需求。