基于双分支对齐的域自适应高光谱图像分类方法

本申请公开了基于双分支对齐的域自适应高光谱图像分类方法，通过利用优化后的教师网络的参数共享至学生网络，学生网络处理目标域高光谱样本数据，得到伪标签样本数据，筛选伪标签样本数据和目标域高光谱样本数据，类别数量均衡的样本数据；基于所述图结构分支和空‑谱特征分支分别计算源域样本数据和类别数量均衡的样本数据最小化的分类损失，局部差异损失，以最小化的和值为目标训练学生网络，得到域自适应高光谱图像分类网络；基于域自适应高光谱图像分类网络处理高光谱图像，得到高光谱图像分类结果，本申请将跨域的分类任务看作一个基于域自适应的分类问题，可以有效解决源域和目标域存在分布差异的分类问题。