买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：矿业大学(北京)内蒙古研究院

摘要：本发明公开了一种基于对抗融合特征和Transformer的矿区土地利用分类方法和系统，包括：将多光谱影像MSI和合成孔径雷达影像SAR数据应用于矿区土地利用分类。首先，对数据进行预处理和特征提取。然后，采用对抗学习机制融合特征，并引入GLCM纹理特征增强分类效果。接着，利用Transformer编码网络提高模型对全局和局部信息的处理能力。最后，通过交叉熵损失函数进行分类模型训练和优化。本发明的优点是：提高分类准确性和鲁棒性方面取得显著效果。

主权项：1.一种基于对抗融合特征和Transformer的矿区土地利用分类方法，其特征在于，包括以下步骤：A、制作用于矿区土地利用分类的MSI及SAR样本数据集，包括：数据预处理、数据标注、数据裁剪和划分和数据增强；B、基于Python搭建MSI和SAR对抗特征融合网络，包括以下子步骤：B1.输入样本数据：将SAR和MSI样本数据以及相应的真实标签输入到对抗特征融合网络中；B2.构建对抗特征融合网络：对抗特征融合网络由特征交互生成器和鉴别器组成；特征交互生成器是一个编码器-解码器结构，通过编码和解码阶段将SAR和MSI特征融合，并生成伪造的MSI和SAR数据；B3.配准：将MSI和SAR特征进行配准，保证最优的特征融合结果；包括连续的卷积操作、交叉注意力机制和特征精确匹配，以获得已配准的SAR特征；B4.交叉注意力机制引入：利用标准卷积获得输入特征图的Q，K，V，然后对Q，K进行矩阵乘法后经softmax获得注意力权重，然后对SAR和MSI的值进行交叉操作，实现特征之间的融合；B5.鉴别器结构设计：用于区分真实数据和伪造数据，以指导生成器的学习过程；B6.多尺度特征融合模块设计：将融合特征经过深度可分离卷积处理后，与原始特征进行加法和乘法操作，经过残差结构获得最终用于矿区土地利用分类的融合特征；C、基于Python搭建矿区土地利用分类模型，包括以下子步骤：C1.引入基于灰度共生矩阵GLCM的矿区纹理特征；C2.特征融合：将MSI影像的GLCM纹理特征与之前获得的步骤B得到的融合特征进行结合，通过嵌入层处理，然后进入Transformer编码层；D、利用训练集和验证集对矿区土地利用分类模型进行训练，包括以下子步骤：D1.损失函数构建：使用制作好的训练集对矿区土地利用分类模型进行训练；矿区土地利用分类模型的损失函数由MSI和SAR的对抗特征融合模型部分和矿区土地利用分类模型部分的损失函数组成；其中，损失函数的权重由可训练参数λ1和λ2决定；D2.对抗训练：采用对抗损失函数实现对抗训练；其中，生成器的损失和鉴别器的损失不断迭代以达到纳什均衡；D3.使用交叉熵损失评估分类准确性：矿区土地利用分类模型采用交叉熵损失函数，评估模型对矿区土地利用类型的分类准确性；D4.设置迭代训练次数：设置迭代训练次数，进行多次迭代训练；每一次迭代训练中，利用梯度下降算法降低模型损失值，并优化和更新模型的参数；E、应用训练完成的矿区土地利用分类模型进行语义分割任务。

全文数据：

权利要求：

百度查询： 矿业大学(北京)内蒙古研究院 基于对抗融合特征和Transformer的矿区土地利用分类方法和系统