基于特征对齐的跨域高光谱图像农作物精细分类

本发明提出一种基于特征对齐的跨域高光谱图像农作物精细分类方法，属于图像处理技术领域。首先，输入少量标签的目标域数据和充足标签的源域数据，利用嵌入模型提取特征信息。其次，引入非对称卷积，灵活适应不同方向的特征提取，通过不同方向的卷积核精确捕捉农作物边缘与轮廓，确保不同尺度下的边界信息保留。随后，通过条件对抗域适配策略实现源域与目标域分布对齐，克服频谱偏移。此外，采用锐度感知最小化平滑参数优化，使模型对特征分布变化不敏感，减少频谱偏移带来的波动。最后，利用K近邻算法(K‑nearest neighbor,KNN)进行分类，获得农作物类别。实验结果表明，方法在Indian Pines数据集上的分类精度优于现有方法，为跨域高光谱图像农分类提供新思路。