基于弱监督学习的光谱影像和激光点云融合分类

摘要: 为解决基于光谱影像或激光雷达点云地物分类精细度差且自动分类准确率低的问题，提出了一种基于弱监督学习的光谱影像与激光点云融合分类方法。首先对光谱影像与激光点云数据分别进行粗分类，然后基于时空同步信息进行光谱影像与激光点云配准融合，并对粗分类结果进行融合与校准，进一步结合深度卷积神经网络设计弱监督学习模型，学习不同树种及人工构筑物等地物的精细光谱、空间分布、高差等多特征信息，最后将该组特征用于支持向量机分类器，实现地物精细分类。在国内新型多光谱激光雷达载荷首批空间飞行数据上的实验表明，该算法不仅能实现更精细的地物分类，且具有较高的自动化程度和分类准确率。可为天空基多光谱激光雷达载荷研制和对地观测边缘计算提供参考。