【技术实现步骤摘要】
本申请涉及遥感图像处理，特别涉及一种基于小样本分类模型的高光谱遥感图像分类方法及装置。
技术介绍
1、高光谱图像不仅包含地物的大小、形状和相对位置等空间信息，还包含每个像元的光谱特征。此外，高光谱图像的光谱分辨率可以达到纳米级，可以捕获不同地物的细微差异。因此，高光谱成像技术广泛应用于矿产勘查、医疗诊断、航空航天等领域。
2、相关技术中，可以通过小样本分类进行高光谱图像分类，小样本学习从有限的先验样本中学习知识，然后泛化到大量的无标记样本，进而有效解决样本不平衡问题，从而提高小类的分类精度。也可以结合协方差矩阵和传统的度量损失如对比损失、三元组损失等，实现遥感图像的分类。
3、然而，相关技术中，由于地物的复杂性和多样性，相邻像素可能属于完全不同的类别。这种不均匀的覆盖使得传统的基于固定窗口或邻域的处理方法难以准确提取空间上下文信息。其次，光谱波段之间往往存在复杂的非线性关系，这对区分不同地物至关重要。此外，高光谱图像光谱维数高，导致样本之间的差异难以捕捉，而基于欧氏距离建立样本之间的关系，无法有效获取和概括有限先...
【技术保护点】
1.一种基于小样本分类模型的高光谱遥感图像分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在将高光谱遥感图像的像素块输入至预先构建的自适应掩膜模块中之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述将高光谱遥感图像的像素块输入至预先构建的自适应掩膜模块中，以得到所述像素块对应的掩膜像素块，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述掩膜像素块输入至预先构建的布朗距离协方差表示模块中，以利用所述布朗距离协方差表示模块得到所述像素块对应的预测标签，包括：
5.根据权...
【技术特征摘要】
1.一种基于小样本分类模型的高光谱遥感图像分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在将高光谱遥感图像的像素块输入至预先构建的自适应掩膜模块中之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述将高光谱遥感图像的像素块输入至预先构建的自适应掩膜模块中，以得到所述像素块对应的掩膜像素块，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述掩膜像素块输入至预先构建的布朗距离协方差表示模块中，以利用所述布朗距离协方差表示模块得到所述像素块对应的预测标签，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述预测标签训练所述自适应掩膜模块和所述布朗距离协方差表示模块，得到所述高光谱遥感图像的小样本分类模型，包括：
【专利技术属性】
技术研发人员：董燕妮，朱贝，张玉香，罗甫林，张乐飞，杜博，张良培，
申请(专利权)人：武汉大学，
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。