公开(公告)号：CN115497002A

公开(公告)日：2022-12-20

申请号：CN202211195278.X

申请日：2022-09-28

Applicant: 桂林理工大学

Inventor： 付波霖 ,  邓力维 ,  张雅 ,  姜建武 ,  范冬林

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种多尺度特征融合的激光雷达遥感分类方法，通过构建一种多尺度特征融合的激光雷达遥感分类模型，实现利用遥感激光雷达数据的高精度地物分类。所述的模型包括多尺度特征编码器，特征融合编码器和解码器，不同大小的多尺度特征编码器将激光雷达特征构成的原始影像投影到不同尺度下，随后使用特征融合编码器逐尺度捕获图像特征，最后使用解码器将特征恢复至原始影像大小并对每个像素预测分类。本发明利用低成本的卷积层将尺度变换和尺度融合分离，提高模型对多通道遥感激光雷达特征影像的分类性能。

公开(公告)号：CN118230185A

公开(公告)日：2024-06-21

申请号：CN202410413478.0

申请日：2024-04-08

Applicant: 桂林理工大学

Inventor： 付波霖 ,  邓力维 ,  李华剑 ,  张书嵘

IPC: G06V20/13 ,  G06V10/75 ,  G06V10/80

Abstract: 本发明公开了一种异步采集的高光谱点云融合方法及系统，涉及遥感数据处理领域，包括：获取目标区域点云数据及高光谱影像数据；对点云数据和高光谱影像数据进行预处理；构建深度学习模型，将预处理后的点云数据和高光谱影像数据投影到同一个高维空间中，得到维度一致的逐点特征图和逐像素特征图；计算逐点特征图中的各点特征向量与逐像素特征图中的各像素特征向量之间的匹配程度，将与点云数据中每个点匹配程度最高的像素的光谱数据赋予该点，得到高光谱点云数据。本发明通过深度学习计算两种不同模态数据之间的匹配度，克服了畸变等产生的时间和空间不对应，实现异步获取点云和高光谱影像的精准融合。