基于多模态与最优传输的开集跨域高光谱分类方法及系统

本发明提供基于多模态与最优传输的开集跨域高光谱分类方法及系统，涉及高光谱图像分类技术领域。该方法具体包括：获取并利用原始高光谱图像构建有标签的源域数据集和无标签的目标域数据集；利用空谱特征提取器分别得到源域数据的空间‑光谱特征和目标域数据的空间‑光谱特征；确定源域原型并通过计算目标域数据与源域原型之间的相似度矩阵，求解最优传输匹配矩阵，为每个目标域数据分配伪标签，利用对比学习损失函数对所有源域数据和所有目标域数据进行文本纠正，进而通过构建最小化高光谱图像分类的总损失来优化源域原型和空谱特征提取器，用于对待分类的高光谱图像进行分类预测，能够更精准对目标域数据进行分类。