基于动态增强和双约束的高光谱图像域泛化分类方法

本发明公开了一种基于动态增强和双约束的高光谱图像域泛化分类方法，旨在解决跨场景高光谱图像分类中的域间差异问题。该方法通过动态风格增强模块生成多样化样本，同时利用语义因子控制风格随机化，确保生成样本在保持多样性的同时保留源域的关键语义信息；引入类别特征流形引导的辅助域合成策略，生成符合实际类别分布的辅助样本，进一步提升模型泛化能力；在判别器中，采用对抗一致性约束和结构一致性约束的双重策略，通过监督对比对抗学习增强判别能力，确保类内紧凑性和类间可分性，同时约束生成样本的潜在结构，避免生成歧义样本。该方法在跨时相、跨区域和跨传感器数据集上均表现出优异的分类性能，适用于生态环境监测、地表覆盖调查等领域，具有广泛的应用前景。