摘要
本发明公开了一种半监督高光谱图像智能化分类方法,利用标记样本和未标记样本进行准确的地物识别。本发明首先构建了一个多尺度可变形光谱空间特征提取模块,能够在多个尺度上提取特征并融合,可变形卷积的引入可以提取到更加符合样本的分布特征。然后通过提出的伪标签生成策略,采用高斯函数加权,进一步提升伪标签的利用效率和模型性能。在训练过程中保持高数量和高质量的伪标签来有效利用未标记样本。最后,通过Transformer捕获远程依赖并学习高光谱遥感图像的有效特征表示。实验结果证明了本发明在标记样本有限的情况下的有效性和优越性。
技术关键词
图像智能化分类
卷积模块
无标签样本
空间光谱特征
多尺度
高光谱遥感图像
多层感知机
双线性插值算法
空间结构信息
局部特征信息
正则化策略
输出特征
空间特征提取
多分支结构
标记
无标签数据
半监督学习
系统为您推荐了相关专利信息
锂电池热失控
声音检测方法
图像分析
多模态
多尺度特征融合