在使用深度学习模型研究遥感影像地物分类问题时,某些地物的遥感影像可用于训练的样本很少。同时,多样化的遥感影像获取方式产生了大量不同空间分辨率的多模态遥感影像。融合这些多模态遥感影像,弥补样本量少导致分类精度低的缺陷,是小样本的遥感影像高精度分类领域中亟待解决的问题。针对上述问题,提出了考虑两种空间分辨率遥感影像相关关系的融合分类方法。首先,使用两个并行的深度学习网络分别提取两种空间分辨率影像的高层特征;其次,将提取到的高层特征通过融合方法进行融合;最后,得到融合后的高层特征作为输入,训练整个融合分类模型。实验表明,不同融合策略的分类精度不同,本文提出的基于高层特征级别的融合策略可以有效提高分类精度。

快速鲁棒的多模态遥感自动配准系统，匹配性能全面超越目前的遥感商业软件ERDAS和ENVI，并提供了测试数据和说明书，可支持大尺度图像(如大于20000*20000个像素）

HOPC的matlab代码、实验数据和相关论文，该方法可实现可见光、红外、SAR和LiDAR和栅格地图等多种多模态遥感影像的精确匹配和配准