一种基于联邦学习的异构遥感影像目标提取方法

本发明涉属于遥感影像处理技术领域，提出一种基于联邦学习的异构遥感影像目标提取方法，包括：S1：本地数据采集与安全存储；S2：全局模型同步；S3：本地模型训练；S4：多方模型参数聚合；S5：模型收敛与目标提取。本发明通过优化类别间的距离来减少分类误差，提高了目标提取的准确性和鲁棒性。采用原型锚定度量学习方法，最小化类别内方差并增强类别间的可分性，促进异构遥感数据集之间特征表示的对齐，有效减轻由不同地理和环境因素引起的非独立同分布数据带来的不利影响。本发明实现了遥感影像的安全共享，并提升了联邦学习环境下遥感数据特征空间的一致性和稳定性，增强了在复杂遥感任务中模型的泛化能力。