基于融合特征的模糊宽度图卷积高光谱图像分类方法及装置

本申请提供了一种基于融合特征的模糊宽度图卷积高光谱图像分类方法及装置，涉及高光谱图像分类领域，所述方法包括：构建高光谱图像的图结构数据，将图结构数据输入到图卷积网络学习超像素级特征，提取高光谱图像数据的像素级特征，对超像素级图特征和像素级特征进行最大线性相关分析构建融合特征，基于模糊集理论和有监督局部保持投影算法构建模糊图正则优化函数，将构建的模糊图正则项嵌入到原始宽度分类器的目标优化函数中，构建新的损失函数更新训练权重，通过更新后的训练权重输出分类结果。本申请能够有效解决图卷积网络在高光谱图像特征提取时局部像素特征缺失以及其采用的线性分类器不能充分利用深层特征的问题。