[发明专利]基于双通道多特征融合网络的多光谱图像分类方法

权利要求书

1.一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，包括以下步骤：

步骤一，将landsat_8卫星拍摄的波段叠加融合，得到融合后的多光谱特征L；

步骤二，将sentinel_2卫星拍摄的波段叠加融合，得到融合后的多光谱特征L′；

步骤三，将两个卫星得到的多光谱特征矩阵L和L′中的每个波段的多光谱特征矩阵L_i、L′_j分别进行归一化处理；

步骤四，从归一化后的特征矩阵L_norm和L′_norm中随机选取n×n的像素块作为训练样本，整个特征矩阵作为测试样本；

步骤五，构造L_norm和L′_norm中训练数据集T_train的特征矩阵W_train，验证数据集T_val的特征矩阵W_val和测试数据集T_test的特征矩阵W_test；

步骤六，构造双通道全卷积神经网络模型；

步骤七，将训练样本和验证样本输入网络进行训练，得到训练好的分类模型；

步骤八，加载训练好的分类模型，对测试集进行分类，得到测试分类结果。

2.根据权利要求1所述的一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，所述步骤一中，L＝(L₁，L₂，...，L_i)，L_i表示landsat_8的第i个波段的多光谱特征，i＝9表示一共有9个波段，L的维度为M×N×i，L_i的维度为M×N，M表示光谱特征矩阵的高度，N表示光谱特征矩阵的宽度。

3.根据权利要求1所述的一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，所述步骤二中，L′＝(L′₁，L′₂，...，L′_j)，L′_j表示sentinel_2卫星的第j个波段的多光谱特征，j＝10表示一共有10个波段，L′的维度为M×N×j，L′_j的维度为M×N。