摘要
随着遥感（RS）数据源的数量和多样性迅速增加，多视图学习建模的需求变得尤为迫切。考虑到遥感数据在分辨率、量级和噪声方面的差异，这是一项复杂的任务。传统的多源遥感数据融合方法通常是输入层融合，但其他更为先进的融合策略可能超越这一传统方法。本研究评估了在CropHarvest数据集中用于作物分类的不同融合策略。本研究所提出的融合方法在性能上超过了基于单个视图的模型以及先前的融合方法。然而，我们并未发现一种能够在所有情况下均优于其他方法的单一融合策略。相反，我们对三种不同的数据集进行了多视图融合方法的比较，并展示了不同测试区域中各种方法获得最佳性能的情况。尽管如此，我们仍建议了一种初步的选择融合方法的标准。