【技术实现步骤摘要】
本申请涉及摇感图像处理，尤其涉及一种高光谱图像分类方法、装置、电子设备及存储介质。
技术介绍
1、高光谱图像包含数百个连续的窄光谱波段，具有相当高的光谱分辨率和丰富的光谱空间信息，从而被广泛应用于遥感图像处理领域。高光谱图像分类作为遥感图像处理中的一项重要任务，其旨在为高光谱图像中的每一个像元分配一个土地覆盖类别的标签，用于标识该区域土地覆盖的物质情况，在矿产勘探、农业规划、作物检测、城市建设规划等方面起着至关重要的作用。
2、目前的高光谱图像分类方法大多是通过使用数量足够多、类别标签足够准确的标记样本对模型进行训练优化，从而得到一个具有不错分类精度的高光谱图像分类模型实现对某个特定场景数据的分类。然而在实际应用过程中，由于高光谱遥感数据采集和人工标注的成本、复杂度等问题，现有的已标注高光谱遥感数据的数据量相对有限。此外，由于高光谱遥感影像在获取过程中会受到诸如传感器非线性差异、同一区域地表覆盖类型在不同尺度、不同季节条件和天气气候情况下物质组成不同等因素的影响，导致即使是针对同一块地表区域进行的高光谱遥感数据采集，在使用的...
【技术保护点】
1.一种高光谱图像分类方法，其特征在于，包括：
2.根据权利要求1所述的高光谱图像分类方法，其特征在于，所述利用变分推理的损失函数对基于扩散模型的域数据扩展模型进行训练，得到训练完成的域数据扩展模型包括：
3.根据权利要求2所述的高光谱图像分类方法，其特征在于，所述变分推理的损失函数的计算公式为：
4.根据权利要求1所述的高光谱图像分类方法，其特征在于，所述利用所述训练完成的域数据扩展模型对源域场景数据进行扩充，生成扩展域场景数据包括：
5.根据权利要求1所述的高光谱图像分类方法，其特征在于，所述基于所述扩展域数据及所述...
【技术特征摘要】
1.一种高光谱图像分类方法，其特征在于，包括：
2.根据权利要求1所述的高光谱图像分类方法，其特征在于，所述利用变分推理的损失函数对基于扩散模型的域数据扩展模型进行训练，得到训练完成的域数据扩展模型包括：
3.根据权利要求2所述的高光谱图像分类方法，其特征在于，所述变分推理的损失函数的计算公式为：
4.根据权利要求1所述的高光谱图像分类方法，其特征在于，所述利用所述训练完成的域数据扩展模型对源域场景数据进行扩充，生成扩展域场景数据包括：
5.根据权利要求1所述的高光谱图像分类方法，其特征在于，所述基于所述扩展域数据及所述源域场景数据，利用监督对比学习和对比对抗学习损失函数对判别器网络模型进行训练...
【专利技术属性】
技术研发人员：付莹，刘宏荣，刘乾坤，李和松，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
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。