一种基于光谱-空间-纹理多维特征融合的岩性精细分类方法与流程

本发明属于岩性分析与地质信息识别领域，更具体的说涉及一种基于光谱-空间-纹理多维特征融合的岩性精细分类方法。

背景技术：

1、近年来，随着遥感影像分辨率的不断提升和地质勘查需求的快速发展，如何基于多源遥感数据对地表岩性信息进行高精度识别与自动化解译，已成为矿产资源调查和地质环境分析研究中的核心问题之一。传统的岩性分类方法多以人工判读、统计分析或单一光谱特征为基础，难以充分捕捉地表复杂构造下的岩性类型多样性与微观差异，受限于噪声影响、纹理表达能力不足以及空间上下文信息利用不充分，导致岩性边界模糊与判别准确率偏低。

2、近年来，部分研究引入了深度学习和纹理特征分析等新兴技术手段，融合多维特征提升分类效果，但在如何实现光谱、空间和纹理等多模态信息的高效协同建模、精细特征捕捉及不同模态间的信息补偿方面仍然存在一定技术瓶颈，尤其是在微小谱纹差异识别、复杂结构边界描绘和低信噪比条件下的稳健性提升等方面，现有方法表现仍有不足。因此，亟需提出一种能够针对光谱-空间-纹理多维特征进行充分融合与动态增强、具备细粒度判别能力的岩性精细分类新方法，以突破现有技术在异构特征协同利用、特征冗余抑制及复杂地质区分类准确性等方面的限制，推动遥感地质智能解译技术的创新发展。

技术实现思路

1、本发明旨在解决现有岩性精细分类方法在异构多维特征协同融合利用不足、微小谱纹差异与复杂纹理结构识别能力有限，以及地质边界与空间上下文信息建模不充分等问题，针对遥感影像中岩性类别多样、边界模糊和特征表达维度高等实际挑战，提出一种能够实现光谱、空间和纹理多维特征高效融合、动态增强与选择性优化表达的方法。

2、为了实现上述目的，本发明是采用以下技术方案实现的：所述的方法，包括：

3、多尺度二维光谱-纹理纠缠编码的局部特征提取，利用多尺度二维光谱-纹理纠缠编码模块对遥感影像进行局部特征深度挖掘，

4、将岩性区域的光谱曲线信号与对应的影像纹理响应进行同步采样，并通过多尺度窗口生成不同分辨率下的光谱-纹理特征表示，采用交叉门控机制，将相互作用下的光谱与纹理信息在多个尺度上实现加权融合，动态捕捉岩性间微小谱纹差异和复杂纹理结构；

5、基于空间-邻域自适应注意力构建全局空间上下文，引入空间-邻域自适应注意力机制，对影像中的岩性斑块及其边界区域进行上下文建模，

6、根据不同样本斑块间的空间邻域分布特性，自主调整注意力权重，动态强化与目标岩性相关的空间连接，同时削弱无关或异常区域的干扰响应；

7、多类特征融合与增强，提出基于协同补偿的高维张量融合算法，

8、在特征层融合阶段，多维特征分别被编码为高阶张量，利用协同补偿策略实现非线性定向拉伸，其优化目标在于充分发挥各自特性互补作用；

9、基于精细分类网络实现岩性类型自动判别，在高维特征融合基础上，采用深度分类网络对融合特征进行高效挖掘，输出最终的岩性精细分类结果。

10、在一个方案中，所述的多尺度二维光谱-纹理纠缠编码的局部特征提取，包括：

11、采用自主设计的多尺度二维光谱-纹理纠缠编码模块，对遥感影像进行局部特征深度挖掘，通过多尺度窗口体系，在不同分辨率下对目标区域进行特征表示的生成；

12、利用光谱曲线信号与对应的影像纹理响应同步采样，在每一个尺度下，针对核心像素提取其邻里区域的光谱曲线以及通过纹理算子生成的二维纹理特征，实现光谱与纹理的同步采样与升维处理，使谱与纹理内容在像元级别高度对齐。

13、在一个方案中，所述的构建全局空间上下文，包括：引入空间-邻域自适应注意力机制，对影像中的岩性斑块及其边界区域进行上下文建模，依据不同样本斑块之间的空间邻域分布特性，自主调整注意力权重，动态强化与目标岩性相关的空间连接，同时降低无关或异常区域的干扰响应；

14、通过自注意力机制，针对每一个像元，选取包含显式空间邻接和隐式地质连通性的邻域区域，对各邻域区域与目标像元之间的关联强度进行加权，构建全局特征交互体系，使每个像元融合空间-邻域上下文表征；

15、该过程通过多层迭代叠加或网络不同深度层进行扩展，实现对复杂地质构造边界和岩性过渡区的精准刻画，提升模型对细微变化和断续界面的敏感度和判别能力。

16、在一个方案中，所述的多类特征融合与增强，包括：针对光谱、纹理与空间三类异构特征，采用基于协同补偿的高维张量融合算法，将三类特征分别编码为高阶张量，并通过分域投影、非线性补偿映射和选择增强模块实现多维特征的统一高维融合；

17、利用协同补偿策略，动态调整不同模态的特征贡献权重，通过门控补偿与高阶非线性激活机制对判别相关特征进行选择性增强，对噪声和冗余维度实施抑制。

18、在一个方案中，所述的基于精细分类网络实现岩性类型自动判别，包括：

19、将融合特征输入深度分类网络，利用多分支通道结构和自适应通道注意力机制，对不同分支通道的特征贡献权重进行无监督自适应调整，实现岩性类别的聚合判别；

20、网络结构通过主干卷积模块和自注意力加权机制，对光谱、纹理和空间等多维度复杂特征表达进行优化，针对复杂地质环境下的多样岩性共存与边界过渡，聚焦最敏感的判别特征组合。

21、在一个方案中，所述的所述的多尺度二维光谱-纹理纠缠编码的局部特征提取，还包括：采用交叉门控，在多个尺度上将光谱信息与纹理信息进行加权融合，以动态捕捉岩性间微小谱纹差异和复杂纹理结构；

22、多尺度纠缠编码采用双门控交叉融合方式，实现光谱对纹理及纹理对光谱的双向加权调制；

23、最终通过尺度注意力汇聚机制对各尺度表征赋权，平衡和集成多尺度特征，实现细粒度特征保留并有效抑制同类斑块内的噪声。

24、在一个方案中，融合张量经动态选择性增强抑制模块进一步压缩和筛选，利用缩放指数线性单元和稀疏激活选择器保留高置信度的判别信息，同时屏蔽低权重与冗余特征，输出经过最优协同、补偿与稀疏筛选的高维定向向量，为后续岩性判别提供高效协同表达。

25、本发明有益效果：

26、本发明通过构建光谱、空间与纹理多维特征的深度融合网络，显著提升了对复杂地质体岩性类型的自动精细分类能力。利用多尺度二维光谱-纹理纠缠编码和空间-邻域自适应注意力机制，有效捕捉并增强岩性样本间的微小谱纹差异和多样纹理结构，克服了传统方法对异构信息利用不充分的问题。

27、同时，基于高维张量的特征融合与协同补偿策略，能够抑制冗余和噪声干扰，动态筛选高置信度的判别特征，进一步提高了分类的准确性和稳定性。该方法在复杂岩性共存、地质边界模糊及低信噪比等极具挑战性的遥感解译场景下表现优异，实现了岩性类型识别的高度智能化、自动化和精细化，为地质勘查与矿产资源调查提供了高效可靠的技术支撑，推动了遥感地质智能分析技术的发展。

1.一种基于光谱-空间-纹理多维特征融合的岩性精细分类方法，其特征在于：所述的方法，包括：

2.根据权利要求1所述的一种基于光谱-空间-纹理多维特征融合的岩性精细分类方法，其特征在于：所述的多尺度二维光谱-纹理纠缠编码的局部特征提取，包括：

3.根据权利要求1所述的一种基于光谱-空间-纹理多维特征融合的岩性精细分类方法，其特征在于：所述的构建全局空间上下文，包括：引入空间-邻域自适应注意力机制，对影像中的岩性斑块及其边界区域进行上下文建模，依据不同样本斑块之间的空间邻域分布特性，自主调整注意力权重，动态强化与目标岩性相关的空间连接，同时降低无关或异常区域的干扰响应；

4.根据权利要求1所述的一种基于光谱-空间-纹理多维特征融合的岩性精细分类方法，其特征在于：所述的多类特征融合与增强，包括：针对光谱、纹理与空间三类异构特征，采用基于协同补偿的高维张量融合算法，将三类特征分别编码为高阶张量，并通过分域投影、非线性补偿映射和选择增强模块实现多维特征的统一高维融合；

5.根据权利要求1所述的一种基于光谱-空间-纹理多维特征融合的岩性精细分类方法，其特征在于：所述的基于精细分类网络实现岩性类型自动判别，包括：

6.根据权利要求2所述的一种基于光谱-空间-纹理多维特征融合的岩性精细分类方法，其特征在于：所述的所述的多尺度二维光谱-纹理纠缠编码的局部特征提取，还包括：采用交叉门控，在多个尺度上将光谱信息与纹理信息进行加权融合，以动态捕捉岩性间微小谱纹差异和复杂纹理结构；

7.根据权利要求4所述的一种基于光谱-空间-纹理多维特征融合的岩性精细分类方法，其特征在于：融合张量经动态选择性增强抑制模块进一步压缩和筛选，利用缩放指数线性单元和稀疏激活选择器保留高置信度的判别信息，同时屏蔽低权重与冗余特征，输出经过最优协同、补偿与稀疏筛选的高维定向向量，为后续岩性判别提供高效协同表达。