跨域高光谱图像分类的多级对比小样本学习方法

本发明公开了一种跨域高光谱图像分类的多级对比小样本学习方法，获取源域高光谱图像数据集和目标域高光谱图像数据集；基于源域高光谱图像数据集建立源域元任务，基于目标域高光谱图像数据集建立目标域元任务；利用源域元任务、目标域元任务和目标域中不带标签的高光谱图像数据对图像分类器进行训练；本发明通过在损失函数中加入类分布损失可以使源域和目标域的类分布更接近，同时扩大每个域内的类间差异；通过在损失函数中加入了类别损失可以充分利用类别先验知识，挖掘类别间潜在语义联系，由此增加了图像分类器对高光谱图像的分类精度。