【技术实现步骤摘要】
本专利技术属于图像处理领域，尤其涉及到一种基于光谱transformer自监督学习算法模型的高光谱图像分类方法。
技术介绍
1、高光谱图像是一种通过采集物体在不同波长范围内的光谱信息来获取图像的技术。与普通彩色图像不同，高光谱图像包含了更多的光谱信息，通常涵盖了可见光谱范围以及近红外和红外波段。这种图像技术可以提供丰富的光谱特征，使其在许多领域都得到广泛应用。例如：精准农业、食品安全、地质勘探、环境检测、生物医学成像、城市规划、军事侦查等诸多领域。在这些应用和研究中，高光谱图像分类是最基础的一步，已经成为遥感和对地观测领域的一个活跃的研究课题。
2、近几年，深度学习方法在高光谱图像分类中取得了巨大的成功。然而，目前任然存在着一些挑战，例如：高光谱图像中可能存在来自于传感器、大气、地表反射、不同的光照条件等多方面的噪声，这些噪声会影响分类器的性能；标签不平衡和缺乏足够的标签样本。这些问题制约着模型的分类精度和泛化能力。因此，设计一种可以消除噪声，能够有效对光谱序列进行建模的自监督算法，对高光谱图像分类领域的研究具有重大的意义。
【技术保护点】
1.基于光谱Transformer自监督学习算法模型的高光谱图像分类方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于光谱Transformer自监督学习算法模型的高光谱图像分类方法，其特征在于，所述预处理，包括对高光谱数据依次进行：
3.如权利要求2所述的基于光谱Transformer自监督学习算法模型的高光谱图像分类方法，其特征在于，建立基于光谱Transformer自监督学习算法模型，包括：
4.如权利要求3所述的基于光谱Transformer自监督学习算法模型的高光谱图像分类方法，其特征在于，利用所述训练数据集依次...
【技术特征摘要】
1.基于光谱transformer自监督学习算法模型的高光谱图像分类方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于光谱transformer自监督学习算法模型的高光谱图像分类方法，其特征在于，所述预处理，包括对高光谱数据依次进行：
3.如权利要求2所述的基于光谱transformer自监督学习算法模型的高光谱图像分类方法，其特征在于，建立基于光谱transformer自监督学习算法模型，包括：
4.如权利要求3所述的基于光谱transformer自监督学习算法模型的高光谱图像分类方法，其特征在于，利用所述训练数据集依次对所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。