基于子图自适应神经网络的高光谱图像分类方法及设备

本发明公开了基于子图自适应神经网络的高光谱图像分类方法及设备，其中方法包括：S1、基于SSAPGCN方法构建成对概率图结构；S2、读取特征索引并生成特征矩阵，对输入数据执行PCA降维，进行数据预处理；S3、基于降维预处理得到全局图结构S，调用Metis图分割算法进行图分割，将全局概率图结构划分为多个子图；S4、计算类内距离intra(C)作为自适应反馈阈值，依据子图光谱差异确定最优图卷积层数k，避免过平滑或欠平滑；S5、利用最佳图卷积层数k对数据进行训练和测试，完成高光谱图像分类。本发明主要用于在处理大图分类时，能够降低计算成本、充分挖掘光谱与空间特征，提升分类的准确性与效率。