一种多尺度特征语义关联的矿区多源遥感图像融合方法
师 艳 李海军 剧成宇 吴志露
2025, 54(12):
259-264.
摘要
(
18 )
PDF (2183KB)
(
8
)
相关文章 |
计量指标
随着遥感技术的迅猛发展,获取矿区多源遥感图像已成为资源监测与评估的重要手段。然而,不同来
源的遥感图像在空间分辨率、光谱特征和获取时间等方面存在显著差异,如何有效融合这些数据以提高矿区特征提
取的精度是当前研究难点。为此,提出了一种多尺度特征语义关联的矿区多源遥感图像融合方法。该方法首先通过
多尺度特征提取技术,利用图像金字塔和卷积神经网络,从遥感图像中提取不同尺度的空间—光谱特征。随后,采用
改进的图卷积神经网络(Graph Convolutional Neural Network,GCNN)处理这些多尺度特征,通过引入特征传播机制和
自适应权重调整策略,增强了网络对局部结构和全局信息的学习能力。最后,利用语义关联分析将地质背景知识与
多尺度物理特征进行融合,通过余弦相似度度量特征间关系并动态调整权重,实现了物理特征与语义信息的有效整
合。试验结果表明:所提方法峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)达到35.2 dB,波谱角误差(Spectral Angle
Error,SAE)降低至0.015,均方根误差(Root Mean Square Error,RMSE)为0.012,以及结构相似性指数(Structural Simi
larity Index,SSIM)达到0.89,有效提高了高光谱数据的空间分辨率,同时保持了良好的波谱特性。该方法为矿区遥感
监测提供了一种新思路,具有一定的实际应用价值。