基于多级对比学习的高光谱图像聚类方法、设备及介质

本申请提供了一种基于多级对比学习的高光谱图像聚类方法、设备及介质，根据本申请的方法包括：获取初始高光谱图像，通过融入高光谱图像的局部空间信息构建均匀批次；基于高光谱图像的局部空间信息和迭代更新特征空间获得的数据的组信息获取均匀批次的正负样本；利用正负样本中的成对信息和高光谱图像在特征空间中的组结构，设计了在实例、特征和聚类簇三个级别上的多级对比损失。本申请提供的方法能够提高批次内样本的多样性、使用中间聚类结果来细化初始正负样本对从而减少了用于对比学习的语义冲突，通过多级对比损失获得更多的聚类友好的特征。