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
    • 收稿日期:2023-10-23

      修回日期:2023-11-20

      纸质出版日期:2024-04-10

    移动端阅览

  • 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

675

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

渐进式CNN-Transformer语义补偿息肉分割网络
级联残差优化Transformer网络的图像超分辨率重建
基于知识蒸馏的Transformer视觉跟踪器
融合生成对抗网络的大气无线光信道密钥提取
3D-CNN与Transformer混合结构的高光谱图像空谱联合分类

相关作者

李大湘
李登辉
刘颖
唐垚
林坚普
吴镇城
王崑赋
林志贤

相关机构

西安邮电大学 通信与信息工程学院
福州大学 物理与信息工程学院
中国福建光电信息科学与技术创新实验室
福州大学 先进制造学院
西安邮电大学 通信与信息工程学院
0