基于文本感知的跨域小样本学习高光谱图像分类方法及系统

本发明涉及图像处理技术，为基于文本感知的跨域小样本学习高光谱图像分类方法及系统。其方法包括步骤：设计域不可知的先验语义信息描述方法，对源域和目标域的类别名称进行二次分类，将二次分类语义信息嵌入到每个高光谱图像像素的文本模板中；构建基于双分支transformer的高光谱图像分类模型，提取跨域的视觉空谱特征和文本空谱特征；设计文本感知空谱域自适应策略；计算训练阶段的总损失，分类模型和条件域判别器进行联合训练，将分类模型总损失定义为分类模型的特征分类对比损失与文本感知空谱域自适应策略的损失之和；应用训练后的分类模型对跨域高光谱图像进行分类。本发明将模型泛化到目标域的未见类别，减轻了领域偏移，提高了模型的泛化性能。