公开(公告)号：CN115170961A

公开(公告)日：2022-10-11

申请号：CN202210788833.3

申请日：2022-07-06

Applicant: 哈尔滨理工大学

Inventor： 王庆岩 ,  罗鑫华 ,  陈庆国 ,  梁欣涛

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度跨域少样本学习的高光谱图像分类方法及系统，涉及遥感图像处理技术领域，用以解决现有高光谱图像分类方法中存在的分类效果不佳的技术问题。本发明的技术要点包括：使用两个映射层来确保源域和目标域之间具有相同的输入维度；采用嵌入式特征提取器将源域和目标域的图像立方体同时嵌入到空间‑光谱嵌入空间中，使同一类样本被映射得尽可能近，不同类样本尽可能远；通过计算每一类的未标记样本和标记样本在空间‑光谱嵌入空间中的距离进行源域和目标域少样本学习；利用条件域鉴别器减小域间的域转移，使提取的空间‑光谱嵌入特征具有域不变性。本发明在少样本条件下能够使高光谱数据分类达到较高的准确率。