您当前的位置：
首页 >
文章列表页 >
CNN-Transformer结合对比学习的高光谱与LiDAR数据协同分类
信息科学 | 更新时间：2024-05-06
|

    • CNN-Transformer结合对比学习的高光谱与LiDAR数据协同分类

    • Collaborative classification of hyperspectral and LiDAR data based on CNN-transformer

    • “多模态分类任务在遥感图像处理领域取得了新突破。针对高光谱图像（HSI）与LiDAR数据融合处理的挑战，研究者提出了一种基于对比学习的CNN-Transformer协同分类网络——CLCT-Net。该网络通过创新的共有特征提取模块，实现了不同传感器数据间的语义对齐，解决了跨模态信息表达和特征对齐的难题。研究者设计了包含空间-通道分支和光谱上下文分支的双分支HSI编码器，以及结合频域自注意力机制的LiDAR编码器，从而充分提取并整合了两种数据的丰富特征。同时，他们巧妙地集成了对比学习方法，进一步提高了多模态数据协同分类的精度。在Houston 2013和Trento数据集上的实验验证，CLCT-Net模型的地物分类精度分别高达92.01%和98.90%，显著超越了其他同类模型。这一成果不仅为跨模态数据特征的深度挖掘和协同提取提供了有力工具，也为遥感图像处理领域的多模态分类任务研究开辟了新的方向。”
      ”
    • 光学精密工程   2024年32卷第7期 页码：1087-1100

    • DOI：10.37188/OPE.20243207.1087    

      中图分类号： TP394.1;TH691.9

    • 纸质出版日期：2024-04-10，

      收稿日期：2023-10-23，

      修回日期：2023-11-20，

    扫 描 看 全 文

  • 吴海滨,戴诗语,王爱丽等.CNN-Transformer结合对比学习的高光谱与LiDAR数据协同分类[J].光学精密工程,2024,32(07):1087-1100. DOI： 10.37188/OPE.20243207.1087.

    WU Haibin,DAI Shiyu,WANG Aili,et al.Collaborative classification of hyperspectral and LiDAR data based on CNN-transformer[J].Optics and Precision Engineering,2024,32(07):1087-1100. DOI： 10.37188/OPE.20243207.1087.

  •  
  •  

0

浏览量

34

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于跨层次聚合网络的实时城市街景语义分割
DRT Net：面向特征增强的双残差Res-Transformer肺炎识别模型
利用图像平滑结构信息指导图像修复
同质区共享端元变异性的高光谱混合像元分解
非成对训练样本条件下的红外图像生成

相关作者

侯志强
程敏婕
马素刚
屈敏杰
杨小宝
周涛
彭彩月
杜玉虎

相关机构

西安邮电大学 陕西省网络数据分析与智能处理重点实验室
西安邮电大学 计算机学院
宁夏医科大学 医学信息与工程学院
北方民族大学 图像图形智能处理国家民委重点实验室
北方民族大学 计算机科学与工程学院
0