基于非线性加权图卷积的高光谱图像分类方法及分类模型训练方法

基于非线性加权图卷积的高光谱图像分类方法及分类模型训练方法，属于高光谱遥感图像分类技术领域。为了解决现有高光谱图像分类方法对高光谱图像的高维信息挖掘不充分，导致模型存在分类性能差的问题。本发明将高光谱图像聚类为超像素，利用内部图卷积生成超像素特征矩阵，基于超像素节点和相邻超像素节点之间相似度确定权重，将超像素的邻接边的权重组合为整张高光谱图像的邻接矩阵；外部图卷积依据邻接矩阵对超像素特征矩阵进行局部信息聚合，基于图卷积处理生成深度特征矩阵，进而实现分类；在分类模型训练过程中，利用曲率正则策略和本征维度正则策略约束非线性加权图卷积层，使得流形的局部信息度量更加准确并减小冗余信息对模型的干扰。