【技术实现步骤摘要】
本申请涉及高光谱图像分类，特别是涉及一种跨场景高光谱图像分类方法、装置、设备和存储介质。
技术介绍
1、高光谱遥感是结合成像技术和光谱技术的多维信息获取技术，既能成像又能测谱。通过成像光谱仪获得的高光谱图像具有图谱合一的特点，其每个像元都对应一条近乎连续的光谱曲线，可以反应地物的诊断性光谱吸收差异。得益于高光谱图像可以提供丰富的地物空间和光谱信息，利用高光谱图像对地物材质进行精细分类被广泛应用于湿地监测，精准农业，城市规划,和资源调查等领域。
2、过去的许多研究关注于单场景分类，即在特定场景中选择样本训练模型并在该场景中进行测试，包括传统机器学习的方法(例如k-最近邻，支持向量机和稀疏表示等)和基于深度学习的方法(例如基于卷积神经网络，基于图神经网络和基于transformer网络等)，取得了优异的地物覆盖分类性能。但针对新的场景往往需要充足的具有标签信息的样本重新训练模型，新场景中大量类别的精确标记是即耗时又昂贵的，并且得到的模型只能应用于该场景，模型难以泛化到其他的场景中去。
3、由于捕获两个场景的传感器，时...
【技术保护点】
1.一种跨场景高光谱图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据预先构建的损失函数和所述源域数据对所述谱空对抗多域合成网络进行对抗性训练，得到训练好的谱空对抗多域合成网络的步骤，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一损失函数为：
4.根据权利要求2所述的方法，其特征在于，所述第二损失函数为：
5.根据权利要求2所述的方法，其特征在于，所述第三损失函数为：
6.根据权利要求1所述的方法，其特征在于，所述多尺度互信息正则化网络包括依次连接镜像填充模块...
【技术特征摘要】
1.一种跨场景高光谱图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据预先构建的损失函数和所述源域数据对所述谱空对抗多域合成网络进行对抗性训练，得到训练好的谱空对抗多域合成网络的步骤，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一损失函数为：
4.根据权利要求2所述的方法，其特征在于，所述第二损失函数为：
5.根据权利要求2所述的方法，其特征在于，所述第三损失函数为：
6.根据权利要求1所述的方法，其特征在于，所述多尺度互信息正则化网络包括依次连接镜像填充模块、第一下采样模块、第二下采样模块和第三下采样模块；
7.根据权利要求6所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：颜深，陈昔，陈琛，张茂军，刘煜，高林，温欣，
申请(专利权)人：中国人民解放军国防科技大学，
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。