一种基于深度特征融合模型的矿区土地覆盖分类方法

摘要

本发明提供了一种基于深度特征融合模型的矿区土地覆盖分类方法，包括：获取标定矿区的遥感数据，从标定矿区的遥感数据中提取多模态数据，其中，多模态数据包括多光谱影像和数字高程模型数据；基于多模态数据提取多模态浅层特征，使用深度置信模型处理多模态浅层特征获得多模态深度特征；使用第一深层模型处理多光谱影像的像元邻域获得深层光谱‑空间特征，使用第二深层模型处理数字高程模型数据的像元邻域获得深层地形特征；融合多模态深度特征、深层光谱‑空间特征以及深层地形特征输入分类器，获得分类结果。利用卷积神经网络和深度置信网络的各自优势，能解决由于矿区典型特征导致其土地覆盖分类精度难以提升的问题。