基于局部-全局双分支网络的高光谱图像自监督聚类方法

本发明属于高光谱图像无监督技术领域，公开了一种基于局部‑全局双分支网络的高光谱图像自监督聚类方法，包括：(1)构造3D像素块；(2)通过ResNet模块获取浅层深度特征；(3)将浅层特征注入到双路径网络模块；(4)计算局部特征与聚类中心的相似性，得到局部语义概率分布，然后得到目标分布；(5)将全局特征送入前馈神经网络得到每个像素的概率，获取全局语义概率分布；(6)通过双重自监督机制构建网络损失函数指导整个网络模型的更新。本发明通过引入双路径网络架构挖掘高光谱图像的局部细节特征以及全局语义特征，有效提高了高光谱地物的识别精度。