买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于双通道的多模态特征融合遥感图像分类方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119672397B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411568903.X，技术领域涉及：G06V10/764；该发明授权基于双通道的多模态特征融合遥感图像分类方法及装置是由焦李成;孙龙;刘欣雨;曹佳敏;刘旭;马文萍;张丹;田小林设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本基于双通道的多模态特征融合遥感图像分类方法及装置在说明书摘要公布了：本发明提供基于双通道的多模态特征融合遥感图像分类方法及装置，涉及遥感影像处理与分析技术领域。包括：对不同模态的遥感图像进行预处理和组合图像，得到多个图像组；构建预设分类模型，预设分类模型包括依次连接的骨干网络、融合模块、门控机制层和解码层，骨干网络的结构类型包括孪生骨干网络、同构骨干网络和异构骨干网络；根据多个图像组，在预设分类模型中选取孪生骨干网络、同构骨干网络和异构骨干网络中的一个，作为骨干网络，以得到对应的目标分类模型；通过训练集对目标分类模型进行训练，得到训练好的目标分类模型；将验证集输入训练好的目标分类模型，输出分类结果。这样，使得遥感图像分类的准确性较高。

本发明授权基于双通道的多模态特征融合遥感图像分类方法及装置在权利要求书中公布了：1.一种基于双通道的多模态特征融合遥感图像分类方法，其特征在于，所述方法包括： 获取不同模态的遥感图像，并对所述不同模态的遥感图像依次进行预处理和组合图像，得到多个图像组，将所述多个图像组划分为训练集和验证集，各图像组为两个不同模态的遥感图像的组合； 构建预设分类模型，所述预设分类模型包括依次连接的骨干网络、融合模块、门控机制层和解码层，所述骨干网络的结构类型包括孪生骨干网络、同构骨干网络和异构骨干网络；所述孪生骨干网络包括两个相同的编码器，且权重和模型参数相同；所述同构骨干网络包括两个相同的编码器，且权重和模型参数各不相同；所述异构骨干网络包括两个不同的编码器，且权重和模型参数各不相同； 根据所述训练集中的多个图像组，在所述预设分类模型中选取所述孪生骨干网络、所述同构骨干网络和所述异构骨干网络中的一个，作为所述骨干网络，以得到对应的目标分类模型； 通过所述训练集对所述目标分类模型进行训练，得到训练好的目标分类模型； 将所述验证集输入到所述训练好的目标分类模型中，利用所述训练好的目标分类模型对所述验证集进行分类，输出分类结果； 所述训练集中的多个图像组包括多个第一图像组、多个第二图像组和多个第三图像组，所述多个第一图像组包括光学图像与SAR图像组合以及所述光学图像与红外图像组合，所述多个第二图像组包括所述SAR图像与所述红外图像组合以及所述光学图像与多光谱图像组合，所述多个第三图像组包括所述SAR图像和所述多光谱图像组合以及所述红外图像和所述多光谱图像组合； 所述根据所述训练集中的多个图像组，在所述预设分类模型中选取所述孪生骨干网络、所述同构骨干网络和所述异构骨干网络中的一个，作为所述骨干网络，以得到对应的目标分类模型，包括： 在所述训练集中的图像组为所述光学图像与所述SAR图像组合以及所述光学图像与所述红外图像组合时，选取所述孪生骨干网络作为所述骨干网络，得到对应的第一目标分类模型； 在所述训练集中的图像组为所述SAR图像与所述红外图像组合以及所述光学图像与所述多光谱图像组合时，选取所述同构骨干网络作为所述骨干网络，得到对应的第二目标分类模型； 在所述训练集中的图像组为所述SAR图像和所述多光谱图像组合以及所述红外图像和所述多光谱图像组合时，选取所述异构骨干网络作为所述骨干网络，得到对应的第三目标分类模型； 所述通过所述训练集对所述目标分类模型进行训练，得到训练好的目标分类模型，包括： 通过所述光学图像与所述SAR图像组合以及所述光学图像与所述红外图像组合，对所述第一目标分类模型进行训练，得到训练好的第一目标分类模型； 通过所述SAR图像与所述红外图像组合以及所述光学图像与所述多光谱图像组合，对所述第二目标分类模型进行训练，得到训练好的第二目标分类模型； 通过所述SAR图像和所述多光谱图像组合以及所述红外图像和所述多光谱图像组合，对所述第三目标分类模型进行训练，得到训练好的第三目标分类模型； 相应的，所述利用所述训练好的目标分类模型对所述验证集进行分类，输出分类结果，包括： 利用所述训练好的第一目标分类模型对所述验证集进行分类，输出第一分类结果； 利用所述训练好的第二目标分类模型对所述验证集进行分类，输出第二分类结果； 利用所述训练好的第三目标分类模型对所述验证集进行分类，输出第三分类结果； 所述解码层包括全连接层，所述通过所述光学图像与所述SAR图像组合以及所述光学图像与所述红外图像组合，对所述第一目标分类模型进行训练，得到训练好的第一目标分类模型，包括： 将所述光学图像与所述SAR图像组合以及所述光学图像与所述红外图像组合，分别输入所述孪生骨干网络的中两个相同的编码器中，以使所述孪生骨干网络输出第一特征图组合，所述第一特征图组合包括第一预设通道特征图和第一目标通道特征图； 将所述第一预设通道特征图和所述第一目标通道特征图，输入所述融合模块，以使所述融合模块输出第一融合特征图； 将所述第一融合特征图输入所述门控机制层，以使所述门控机制层输出第一中间特征层； 将所述第一中间特征层与所述第一预设通道特征图、所述第一目标通道特征图，分别进行加和，将加和后的第一预设通道特征图和加和后的第一目标通道特征图分别输入所述孪生骨干网络，以使所述孪生骨干网络输出第二特征图组合，所述第二特征图组合包括第二预设通道特征图和第二目标通道特征图； 将所述第二预设通道特征图和所述第二目标通道特征图，输入所述融合模块，以使所述融合模块输出第二融合特征图； 将所述第二融合特征图输入所述门控机制层，以使所述门控机制层输出第二中间特征层； 将所述第二中间特征层与所述第二预设通道特征图、所述第二目标通道特征图，分别进行加和，将加和后的第二预设通道特征图和加和后的第二目标通道特征图分别输入所述孪生骨干网络，以使所述孪生骨干网络输出第三特征图组合，所述第三特征图组合包括第三预设通道特征图和第三目标通道特征图； 将所述第三预设通道特征图和所述第三目标通道特征图，输入所述融合模块，以使所述融合模块输出第三融合特征图； 将所述第三融合特征图输入所述门控机制层，以使所述门控机制层输出第三中间特征层； 将所述第三中间特征层与所述第三预设通道特征图、所述第三目标通道特征图，分别进行加和，将加和后的第三预设通道特征图和加和后的第三目标通道特征图分别输入所述孪生骨干网络，以使所述孪生骨干网络输出第四特征图组合，所述第四特征图组合包括第四预设通道特征图和第四目标通道特征图； 将所述第四预设通道特征图和所述第四目标通道特征图，输入所述融合模块，以使所述融合模块输出第四融合特征图； 将所述第四融合特征图输入所述全连接层，以使所述全连接层输出预设分类结果； 根据所述预设分类结果计算损失函数，根据所述损失函数和训练的总轮数，更新所述第一目标分类模型的参数，并保存所述第一目标分类模型的参数，以得到所述训练好的第一目标分类模型； 在将所述验证集输入到所述训练好的目标分类模型中，利用所述训练好的目标分类模型对所述验证集进行分类，输出分类结果之后，所述方法还包括： 对所述第一分类结果、所述第二分类结果和所述第三分类结果，分别进行测试时间增强，得到对应的第一增强分类结果、第二增强分类结果和第三增强分类结果； 对所述第一增强分类结果、所述第二增强分类结果和所述第三增强分类结果进行加权融合，得到最终的分类结果； 其中，所述加权融合的操作是指对所述第一目标分类模型的输出概率分布、所述第二目标分类模型的输出概率分布和所述第三目标分类模型的输出概率分布，按照一定权重进行加权求和，得到所述最终的分类结果，或者，所述加权融合的操作是指利用投票机制，采用所述第一目标分类模型、所述第二目标分类模型和所述第三目标分类模型对同一输入进行分类，得到所述最终的分类结果，所述最终的分类结果由投票决定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。