1.一种基于判决相关分析的遥感图像特征融合方法，其特征在于：包括以下步骤：步骤1：采用Lowe’s算法生成遥感图像的SIFT特征；

步骤2：利用IFK方法对SIFT特征进行编码，得到编码后的SIFT特征；

步骤3：采用经ImageNet数据集预训练的VGG‑VD‑16神经网络模型作为特征提取器，对fc.1 fc.2遥感图像进行提取，得到第一个全连接层特征Fi 和第二个全连接层特征Fi ；

fc.1

步骤4：将编码后的SIFT特征与第一个全连接层特征Fi 进行融合，得到中间特征Hm；

fc.2

采用DCA变换方法，对中间特征Hm和第二个全连接层特征Fi 进行DCA变换；将变换后的中fc.2间特征和第二个全连接层特征Fi 进行融合，得到融合结果；

步骤5：将融合结构输入至线性分类器，得到遥感图像分类结果；

所述步骤4具体为：

fc.1

将第一个全连接层特征Fi 与经IFK编码后的SIFT特征融合可得中间特征Hm，表示如下：fc.1 s

Hm＝kFi +αHIFK(fi)          (4)其中，k和α表示特征融合时的第一个全连接层的权重系数和SIFT特征的权重系数；

fc.2

采用判别相关分析DCA变换方法对中间特征Hm和第二全连接层特征Fi 进行变换，变换后的两个特征分别表示为：*

DCA(Hm)＝(Hm) ＝W1Hm             (5)fc.2 fc.2 * fc.2

DCA(Fi )＝(Fi ) ＝W2Fi        (6)式中，W1、W2分别为两个特征的变换矩阵，分别表示为：其中，A是中间特征Hm集合的协方差对应的最大特征向量，B是第二个全连接层特征fc.2Fi 集合的协方差矩阵对应的最大特征向量；Λa是特征Hm集合的协方差对应的特征值构fc.2成的对角线矩阵，Λb为第二个全连接层特征Fi 集合的协方差矩阵对应的特征值构成的对角线矩阵；U和V是酉矩阵，∑为对角线矩阵，且U，V和∑为对中间特征Hm集合和第二个全fc.2连接层特征Fi 集合的协方差矩阵进行奇异值分解所得；

fc.2

将变换后的中间特征Hm和第二个全连接层特征Fi 进行融合，得到融合结果，表示为：fc.1 s fc.2

式中，Fi 为第一个全连接层特征，HIFK(fi)为经IFK编码后的SIFT特征，Fi 为第二个全连接层特征，k、α和β分别表示特征融合时的各特征的权重系数，*表示是经过DCA变换后的特征。

2.根据权利要求1所述的一种基于判决相关分析的遥感图像特征融合方法，其特征在于：所述编码后的SIFT特征，表示为：其中：

上式中， 为μi的T维梯度表示， 为σi的T维梯度表示，X为遥感图像的SIFT特征集合，表示为：X＝{xt,t＝1,2...T}；wi、μi、σi分别为第i个高斯混合模型的混合权重、均值和方差；T为SIFT特征的个数；γt(i)表示第t个SIFT特征由第i个高斯混合模型生成的概率，xt表示第t个SIFT特征。

3.一种基于判决相关分析的遥感图像特征融合系统，其特征在于：包括：SIFT特征生成模块，用于采用Lowe’s算法生成遥感图像的SIFT特征；

编码模块，用于利用IFK方法对SIFT特征进行编码，得到编码后的SIFT特征；

遥感图像特征提取模块，用于采用经ImageNet数据集预训练的VGG‑VD‑16神经网络模fc.1型作为特征提取器，对遥感图像进行提取，得到第一个全连接层特征Fi 和第二个全连接fc.2层特征Fi ；

fc.1

融合模块，用于将编码后的SIFT特征与第一个全连接层特征Fi 进行融合，得到中间fc.2特征；采用DCA变换方法，对中间特征和第二个全连接层特征Fi 进行DCA变换；将变换后的fc.2中间特征和第二个全连接层特征Fi 进行融合，得到融合结果；

分类器，用于将融合结构输入至线性分类器，得到遥感图像分类结果；

所述中间特征Hm，表示如下：

fc.1 s

Hm＝kFi +αHIFK(fi)         (4)其中，k和α表示特征融合时的第一个全连接层的权重系数和SIFT特征的权重系数；

fc.2

所述变换后的中间特征Hm和第二全连接层特征Fi 进行变换，变换后的两个特征分别表示为：*

DCA(Hm)＝(Hm) ＝W1Hm         (5)fc.2 fc.2 * fc.2

DCA(Fi )＝(Fi ) ＝W2Fi      (6)式中，W1、W2分别为两个特征的变换矩阵，分别表示为：其中，A是中间特征Hm集合的协方差对应的最大特征向量，B是第二个全连接层特征fc.2Fi 集合的协方差矩阵对应的最大特征向量；Λa是特征Hm集合的协方差对应的特征值构fc.2成的对角线矩阵，Λb为第二个全连接层特征Fi 集合的协方差矩阵对应的特征值构成的对角线矩阵；U和V是酉矩阵，∑为对角线矩阵，且U，V和∑为对中间特征Hm集合和第二个全fc.2连接层特征Fi 集合的协方差矩阵进行奇异值分解所得；

所述融合结果，表示为：

fc.1 s fc.2

式中，Fi 为第一个全连接层特征，HIFK(fi)为经IFK编码后的SIFT特征，Fi 为第二个全连接层特征，k、α和β分别表示特征融合时的各特征的权重系数，*表示是经过DCA变换后的特征。

4.根据权利要求3所述的一种基于判决相关分析的遥感图像特征融合系统，其特征在于：所述分类器为libsvm中的线性分类器。

5.根据权利要求3所述的一种基于判决相关分析的遥感图像特征融合系统，其特征在于：所述编码后的SIFT特征，表示为：其中：

上式中， 为μi的T维梯度表示， 为σi的T维梯度表示，X为遥感图像的SIFT特征集合，表示为：X＝{xt,t＝1,2...T}；wi、μi、σi分别为第i个高斯混合模型的混合权重、均值和方差；T为SIFT特征的个数；γt(i)表示第t个SIFT特征由第i个高斯混合模型生成的概率，xt表示第t个SIFT特征。