基于张量宽度学习网络的高光谱图像分类方法

本发明公开了一种基于张量宽度学习网络的高光谱图像分类方法，涉及图像分类技术领域。本发明在不同场景下都能够直接处理高阶张量数据，可以良好地匹配高光谱成像数据的三维结构，捕获空间与光谱结构信息，具有较高稳定性；从空间和光谱两个字典生成特征节点，可以很好地避免网络随机特征映射带来的不确定性，使特征节点的特征更具可解释性；本发明采用的宽度网络架构具有时间复杂度低的特性，同时考虑了高光谱图像的空谱特征，训练速度更快、分类精确度更高。