跨模态自适应融合网络

多尺度撞击坑高精识别

提出一种双CNN-Transformer与自适应特征融合网络，结合影像与DEM优势，实现火星多类型、多尺度撞击坑的大范围精确识别。

杨晨 · Zhao, Minghao · Bruzzone, Lorenzo · Guan, Ren Chu · Zhao, Haishi

IEEE Transactions on Geoscience and Remote Sensing 2025

参数信息

精度提升

14%-24% %

新识别撞击坑数量

3166

技术优势

多源数据融合提升精度

同时利用影像的形态特征和DEM的地形信息，自适应融合后识别准确率提升14%-24%。

多尺度多类型识别

能够识别不同形态、不同尺度的撞击坑，适用于大范围高精度制图。

发现新撞击坑

在火星中低纬度区域识别出3166个新的直径大于1km的撞击坑，扩充了现有数据库。

应用场景

• 行星地质制图：自动化实现大范围撞击坑制图，减少人工标注工作量。
• 自动特征提取：从影像与DEM中自动提取多尺度撞击坑特征，无需手工设计。
• 视觉识别：用深度学习模型识别复杂场景下不同形态和尺度的撞击坑。
• 航天工程：为火星着陆避障和地质研究提供高精度撞击坑分布信息。