一种基于光学-SAR跨模态协同学习的模态缺失建筑物提取方法

本发明涉及一种基于光学‑SAR跨模态协同学习的模态缺失建筑物提取方法，属于遥感图像处理技术领域。该方法的步骤包括：神经网络模型构建：构造包含光学模型、幻觉模型、SAR模型、MSAL模型和MFAL模型的神经网络模型；所述MSAL模型用于促进光学编码特征与幻觉编码特征之间的跨模态知识迁移，使幻觉模型能够有效模仿缺失的光学模态，并将模态共享特征返回对应模型，得到增强解码特征；所述MFAL模型用于将两种增强解码特征与SAR解码特征融合，并对齐光学–SAR与幻觉–SAR融合头之间的语义信息；神经网络模型训练：构建损失函数，利用样本数据对所述神经网络模型进行训练；模态缺失建筑物提取：利用训练好的神经网络模型进行缺失建筑物提取。