【技术实现步骤摘要】
本专利技术涉及遥感图像处理，尤其涉及一种任务自适应的高光谱遥感图像小样本分类方法。
技术介绍
1、高光谱遥感技术是一种图谱合一的对地观测技术，能够以纳米级的分辨率对地面区域进行连续成像，不仅能获得地面物体丰富的光谱信息，也能得到地物之间的空间关系，已经广泛地被应用于土地资源规划，森林植被勘测以及海洋污染检测等领域。
2、传统机器学习的方法通过分析不同地物的光谱曲线，利用其光谱特征实现了对高光谱遥感图像的地物分类。然而仅仅利用光谱特征存在一定的局限性，忽略了高光谱遥感图像的地物在空间的分布是呈连续性的特点，并且在空间距离相近的像元所属同一类别的概率越大。因此引入了局部感受野和参数共享的卷积神经网络逐渐受到了研究人员的关注，由于cnn所具有的局部连接和权重共享特性，使它能够有效捕捉高光谱遥感图像上的地物空间关系。许多学者的研究方法虽然能达到很高的分类精度，但都需要大量目标hsi数据集的带标签训练样本。然而在实际场景中，由于高光谱遥感图像在获取过程中经常受到大气辐射，云层遮挡以及其他天气影响，对高光谱图像进行标注难度较大。所以如何...
【技术保护点】
1.一种任务自适应的高光谱遥感图像小样本分类方法，其特征在于，包括：
2.根据权利要求1所述的一种任务自适应的高光谱遥感图像小样本分类方法，其特征在于，在所述元训练集上构建多个分类任务，具体包括：
3.根据权利要求1所述的一种任务自适应的高光谱遥感图像小样本分类方法，其特征在于，在所述元测试集上构建多个分类任务，具体包括：
4.根据权利要求1所述的一种任务自适应的高光谱遥感图像小样本分类方法，其特征在于，所述光谱自适应特征提取网络包括光谱编码器和光谱特征提取器；
5.根据权利要求4所述的一种任务自适应的高光谱遥感图像小样...
【技术特征摘要】
1.一种任务自适应的高光谱遥感图像小样本分类方法，其特征在于，包括：
2.根据权利要求1所述的一种任务自适应的高光谱遥感图像小样本分类方法，其特征在于，在所述元训练集上构建多个分类任务，具体包括：
3.根据权利要求1所述的一种任务自适应的高光谱遥感图像小样本分类方法，其特征在于，在所述元测试集上构建多个分类任务，具体包括：
4.根据权利要求1所述的一种任务自适应的高光谱遥感图像小样本分类方法，其特征在于，所述光谱自适应特征提取网络包括光谱编码器和光谱特征提取器；
5.根据权利要求4所述的一种任务自适应的高光谱遥感图像小样本分类方法，其特征在于，所述2d卷积神经网络的卷积核大小为1×1。
6.根据权利要求1所述的一种任务自适应...
【专利技术属性】
技术研发人员：王华，张雨昂，陈梦奇，黄伟，
申请(专利权)人：郑州轻工业大学，
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。