基于多层级特征对齐的高光谱图像跨域分类方法技术

本发明专利技术公开了基于多层级特征对齐的高光谱图像跨域分类方法，所述分类方法包括两个阶段，在第一阶段，使在SD中取得良好的分类性能，通过交叉熵损失和源域聚类损失进行监督训练；在第二阶段，将的参数迁移到通过三种损失函数，特征到特征(F

【技术实现步骤摘要】
基于多层级特征对齐的高光谱图像跨域分类方法


[0001]本专利技术涉及高光谱图像分类的
，具体涉及基于多层级特征对齐的高光谱图像跨域分类方法。

技术介绍

[0002]遥感技术能够通过接收地面表层发射或反射的各类电磁波并对其进行传输和处理获得地面的感兴趣信息。与地面观测相比，遥感观测具有观测范围大、观测周期短、受地面限制少等优点。遥感图像将人类的直观感觉延伸到高空，成为最为直观的感知地面情况的媒介。高光谱成像仪获得的高光谱图像包含几十甚至几百个波段，具有较高的光谱分辨率，包含了数百个不同的波段，不仅包含丰富的光谱信息，还包含地面物体的空间结构信息。高覆盖的光谱范围与精细的光谱分辨率意味着地物光谱的全局特征将更加完整而局部细微特征将更加明显。高光谱图像数据量大，光谱维度高，信息冗余度高。此外，受到大气、湿度、场景、光照、云层厚度以及像元不纯净等环境因素影响，部分光谱范围内的波段会出现信息丢失或包含严重的影像噪声。高光谱图像分类就是对地面物体进行像素级区分，广泛应用于海洋探测、城市分类、气候预测、林业监测、地质勘探、现代军事以及现代农业等诸多领本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多层级特征对齐的高光谱图像跨域分类方法，其特征在于，所述分类方法包括两个阶段，在第一阶段，使在SD中取得良好的分类性能，通过交叉熵损失和源域聚类损失进行监督训练；在第二阶段，将的参数迁移到通过三种损失函数，特征到特征(F
‑
to
‑
F)的损失，特征到簇中心(F
‑
to
‑
C)的损失以及簇中心到簇中心(C
‑
to
‑
C)的损失，用TD的样本来训练和微调其中，训练需要提供SD的聚类中心和样本特征。2.根据权利要求1所述的基于多层级特征对齐的高光谱图像跨域分类方法，其特征在于，特征提取网络由三个block
‑
A、一个block
‑
B和一个全连接层组成。3.根据权利要求1所述的基于多层级特征对齐的高光谱图像跨域分类方法，其特征在于，在第一阶段包括：训练是由交叉熵损失和源域损失监督的训练是由交叉熵损失和源域损失监督的其中，D
dis
表示欧氏距离，Λ(a,b)表示如果a等于b，输出为1，否则输出为0；可以使同类别的样本相互靠近，非同类别的样本相互远离；所以第一阶段的损失函数显示为：4.根据权利要求1所述的基于多层级特征对齐的高光谱图像跨域分类方法，其特征在于，在第二阶段，多级FA由三个损失函数实现，包括特征到特征(F
‑
to
‑
F)的损失，特征到簇中心(F
‑
to
‑
C)的损失，以及簇中心到簇中心(C
‑
to
‑
C)的损失。5.根据权利要求4所述的基于多层级特征对齐的高光谱图像跨域分类方法，其特征在于，所述特征到特征的损失用公式表示为：于，所述特征到特征...

【专利技术属性】
技术研发人员：赵春晖，朱文祥，李凯俊，张强，
申请(专利权)人：青岛柯锐思德电子科技有限公司，
类型：发明
国别省市：