公开(公告)号：CN119399218A

公开(公告)日：2025-02-07

申请号：CN202510016832.0

申请日：2025-01-06

Applicant: 安徽大学

Inventor： 徐凯 ,  朱洲 ,  程志友 ,  李曼 ,  邬伯才

IPC: G06T7/10 ,  G06T5/80 ,  G06V10/40 ,  G06V10/764 ,  G06V20/10

Abstract: 本发明涉及一种基于风格转换的跨场景高光谱图像分割方法。本发明包括以下步骤；构建跨场景高光谱图像分割数据集；构建多视角信息融合分割网络；构建基于风格转换的跨场景高光谱图像分割网络；训练并测试基于风格转换的跨场景高光谱图像分割网络。与现有技术相比，本发明通过跨场景高光谱图像分割网络，解决了现有高光谱分类任务中，由于不同卫星高光谱图像之间存在风格差异，导致难以将源域训练模型迁移至目标域数据集的问题。此外，本发明采用多视角信息融合分割网络以聚合高光谱图像的空谱信息，从而实现了将源域卫星数据上训练的模型有效迁移至目标域卫星数据的创新方法。

公开(公告)号：CN119399218B

公开(公告)日：2025-04-08

申请号：CN202510016832.0

申请日：2025-01-06

Applicant: 安徽大学

Inventor： 徐凯 ,  朱洲 ,  程志友 ,  李曼 ,  邬伯才

IPC: G06T7/10 ,  G06T5/80 ,  G06V10/40 ,  G06V10/764 ,  G06V20/10

Abstract: 本发明涉及一种基于风格转换的跨场景高光谱图像分割方法。本发明包括以下步骤；构建跨场景高光谱图像分割数据集；构建多视角信息融合分割网络；构建基于风格转换的跨场景高光谱图像分割网络；训练并测试基于风格转换的跨场景高光谱图像分割网络。与现有技术相比，本发明通过跨场景高光谱图像分割网络，解决了现有高光谱分类任务中，由于不同卫星高光谱图像之间存在风格差异，导致难以将源域训练模型迁移至目标域数据集的问题。此外，本发明采用多视角信息融合分割网络以聚合高光谱图像的空谱信息，从而实现了将源域卫星数据上训练的模型有效迁移至目标域卫星数据的创新方法。