用于高光谱与LiDAR数据分类的解耦非局部网络
图像与视频处理
2021-04-07 v1
摘要
随着地物日益复杂，单源遥感数据获得的分类结果难以满足应用需求。为应对这一局限，我们提出了一种基于解耦非局部（DNL）网络的简单而有效的注意力融合模型，用于高光谱与LiDAR数据联合分类任务。在该模型中，根据HSI和LiDAR的光谱与空间特性，分别使用多尺度模块和卷积神经网络（CNN）来捕获光谱与空间特征。此外，通过若干操作融合所提取的HSI与LiDAR特征，以获得更符合真实情况的特征信息。最后，将上述三路数据分别送入DNL模块的不同分支。在Houston数据集上的大量实验表明，所提出的网络在HSI与LiDAR联合分类任务中优于若干最先进的基线方法且更为有效。
引用
@article{arxiv.2104.02302,
title = {Disentangled Non-Local Network for Hyperspectral and LiDAR Data Classification},
author = {Wenxia Liu and Feng Gao and Junyu Dong},
journal= {arXiv preprint arXiv:2104.02302},
year = {2021}
}
备注
Accepted for publication in the International Geoscience and Remote Sensing Symposium (IGARSS 2021)