基于联合域适应权重自学习的高光谱图像小样本分类方法

本发明属于高光谱图像小样本分类技术领域，具体公开了一种基于联合域适应权重自学习的高光谱图像小样本分类方法，其使用谱‑空注意力双分支密集网络来避免梯度消失，同时联合通道和空间注意力机制以高效提取高光谱图像的谱‑空判别特征；并引入域投影器和域鉴别器处理高光谱不同域中存在的显著分布差异；随后设计自适应学习器进行权重调整，实现联合域适应的有效统一，进而高效的实现域分布对齐；最后利用度量学习来执行目标域高光谱图像的小样本分类。本发明使用联合域适应技术在不同方向上进行特征对齐和调整，能够更好地处理域间分布差异，从而提升模型在面对未知域时的泛化能力和鲁棒性，并提高高光谱图像小样本分类结果的合理性与质量。