基于异源空间特征增强的端到端跨域小样本高光谱图像分类方法

本申请属于高光谱图像处理技术领域。本申请提供一种基于异源空间特征增强的端到端跨域小样本高光谱图像分类方法。该方法包括一个基础分类分支、一个基础模型分支和一个融合模块：基础分类分支的骨干网络是一个U‑Net，能够不损失空间信息地完成高光谱图像分类；基础模型分支先使用三通道图像学习模块自适应地从高光谱图像中学习最佳的三通道图像，再将其馈送到先验知识提取模块中的基础模型中迁移自然图像知识并进行细化；特征融合模块以分层的方式将两个分支的特征进行充分融合以获得增强的空间特征表示。本公开通过从具有丰富自然图像知识的基础模型中迁移空间信息增强高光谱图像的空间特征表示，能够提升小样本高光谱图像分类的性能。