一种基于深度学习的LiDAR点云与光学影像先验级耦合分类方法

摘要

本发明公开了一种基于深度学习的LiDAR点云与光学影像先验级耦合分类方法，属于遥感科学技术领域。本发明步骤为：首先通过二维深度卷积网络分类多波段光学影像；再将地表覆盖二维分类的结果（即类别概率）利用最近邻算法赋予机载LiDAR点云，作为三维点云的先验概率特征；而后采用三维神经网络分类已嵌入二维类别概率的LiDAR点云，得到最终的城市三维土地覆盖分类结果。本发明利用先验级耦合策略将光学影像提供的波段信息赋予LIDAR点云，弥补了现有三维LiDAR点云数据中存在较少的标注数据的问题，先验级耦合策略分类策略可以降低训练过程的损失，以获得更好的分类效果，并阐释了城市地表覆盖二维分类与三维分类之间的联系。