Forest classification via cross-attention fusion of multispectral and SAR remote sensing data
摘要
من خلال قدرتها على تغطية واسعة وفعالية عالية وقدرة استرجاع معلومات متعددة الأبعاد ، أصبحت تقنيات الاستشعار عن بعد أداة هامة لاستطلاع الغابات. تحتوي صور الاستشعار عن بعد متعدد الطيف على دقة فضائية وطيفية عالية ، ويمكن أن تلتقط بشكل فعال الفروق الطيفية بين المعالم المختلفة ، بينما تقدم بيانات الرادار ذات الفتحة الاصطناعية معلومات مستقرة حول الهيكل السطحي والسمات النسيجية ، ويمكن استخدامها كمكمل مهم للميزات الطيفية. ومع ذلك، يؤدي الاختلاف في هيكل الوضع وتعبير المعلومات بين البيانات النشطة والسلبية لاستشعار البعد ، في كثير من الأحيان إلى نتائج محدودة للاندماج وتأثير سلبي على دقة التصنيف. لحل هذه المشكلة، تم اختيار جزء من منطقة بور دراع في مقاطعة يوننان بمقاطعة كبيرة باحثة. روصر. م جزءًا من مجموعة الأنواع الثلاثة من الأشجار الغابية (Poidan Pine، Eucalyptus، Oak) ونوع واحد من أنواع الأراضي الزراعية الاقتصادية (حديقة الشاي) وثلاثة أنواع أخرى من القشور ككائنات تصنيفية، وقد تم إنشاء شبكة تعلم عميق لتصنيف الغابات المتحدة لبيانات الاستشعار النشطة والسلبية في ظروف العينة الصغيرة. طريقة دمج بيانات الاستشعار النشطة والسلبية للأقمار الصناعية المتقاطعة عبر ميزانية الاهتمام الخاصة بكل صورة متعددة الأطياف، وتقديم ميزة تنظيم الباب القابل للتعلم مع انخفاض نسبة الشك، من أجل تحقيق دمج ديناميكي لميزات الانتباه الذاتي والانتباه المتقاطع لأثناء دمج مرحلة الميزات، ويمكن توجيه الطراز في مرحلة الاندماج للسيطرة الديناميكية لإسهامية المعلومات المتعددة. توضح نتائج التجربة أن الطريقة المقترحة حققت أفضل أداء في المقارنة بين استراتيجيات الاندماج والمستويات الإضافية للاندماج، وبلغت الدقة الكلية للتصنيف 95.24٪، وكانت دقة تصنيف الأوكاليبتوس وحديقة الشاي والعنكبوت و Poidan Pine هي٪ 96.78، 94.07، كل من %91،73. 92,90 بالتواصل. الدراسة الحالية تحققت بشكل فعال من فعالية آلية الانتباه المتقاطع في التصميم المشترك للمعلومات النشطة والسلبية لاستشعار البعد، وقدمت مسارات ودعم تقني لتصنيف الغابات من مصادر متعددة في البيئات المعقدة.
关键词
Sentinel-2;Sentinel-1;Cross-Attention;Feature fusion;Forest Classification;Prototypical Network;concrete dropout