[发明专利]一种矿区土地覆盖分类方法、设备、装置及存储介质

权利要求书

1.一种矿区土地覆盖分类方法，其特征在于，深度特征融合模型包括第一深层模型、第二深层模型、深度置信模型和分类器，所述矿区土地覆盖分类方法包括：

获取标定矿区的遥感数据，从所述标定矿区的遥感数据中提取多模态数据，其中，所述多模态数据包括多光谱影像和数字高程模型数据；

基于所述多模态数据提取多模态浅层特征，使用所述深度置信模型处理所述多模态浅层特征获得多模态深度特征，其中，使用所述多模态数据提取所述多模态浅层特征，所述多模态浅层特征包括浅层光谱-空间特征和浅层地形特征；将所述浅层光谱-空间特征与所述浅层地形特征通过向量串联的方式堆叠，获得浅层堆叠特征；基于所述深度置信模型处理所述浅层堆叠特征获得所述多模态深度特征；

使用所述第一深层模型处理所述多光谱影像的像元邻域获得深层光谱-空间特征，使用所述第二深层模型处理所述数字高程模型数据的像元邻域获得深层地形特征；

融合所述多模态深度特征、所述深层光谱-空间特征以及所述深层地形特征输入所述分类器，获得分类结果。

2.根据权利要求1所述的矿区土地覆盖分类方法，其特征在于，在所述使用所述第一深层模型处理所述多光谱影像的像元邻域获得深层光谱-空间特征，使用所述第二深层模型处理所述数字高程模型数据的像元邻域获得深层地形特征之前，还包括：

获取所述遥感数据的地物类型及数据尺寸；

根据所述地物类型和所述数据尺寸获得所述像元邻域的大小。

3.根据权利要求2所述的矿区土地覆盖分类方法，其特征在于，所述使用所述第一深层模型处理所述多光谱影像的像元邻域获得深层光谱-空间特征，使用所述第二深层模型处理所述数字高程模型数据的像元邻域获得深层地形特征包括：

基于所述多光谱影像的像元及其对应的所述像元邻域的大小，提取第一数据，基于所述数字高程模型数据的像元及其对应的所述像元邻域的大小，获得第二数据；

使用所述第一深层模型处理所述第一数据获得所述深层光谱-空间特征，使用所述第二深层模型处理所述第二数据获得所述深层地形特征。

4.根据权利要求3所述的矿区土地覆盖分类方法，其特征在于，所述融合所述多模态深度特征、所述深层光谱-空间特征以及所述深层地形特征输入分类器，获得分类结果包括：

使用特征堆叠的方式进行融合，所述特征堆叠包括将所述多模态深度特征、所述深层光谱-空间特征以及所述深层地形特征进行向量串联，作为全连接层的输入，通过所述分类器处理所述全连接层获得所述分类结果。

5.根据权利要求1所述的矿区土地覆盖分类方法，其特征在于，所述多模态浅层特征包括：

浅层光谱-空间特征和浅层地形特征，其中，所述浅层光谱-空间特征包括表示光谱波段的光谱特征、表示光谱波段的第一主成分特征和第二主成分特征以及归一化植被指数的植被特征，所述浅层地形特征包括DTM、坡度特征和坡向特征。

6.根据权利要求5所述的矿区土地覆盖分类方法，其特征在于，在所述使用所述第一深层模型处理所述多光谱影像的像元邻域获得深层光谱-空间特征之前，包括：

获取多光谱影像训练集、数字高程模型数据训练集；

通过所述多光谱影像训练集训练第一卷积神经网络获得所述第一深层模型，通过所述数字高程模型数据训练集训练第二卷积神经网络获得所述第二深层模型。