一种基于因果流模型的高光谱图像领域泛化方法

本发明公开一种基于因果流模型的高光谱图像领域泛化方法，属于模式识别技术领域，该方法包括两个核心阶段：首先是因果原型学习，通过对一个训练的不变分类器进行表征反演，解码出独立于训练数据偏差的、纯净的因果原型，作为净化的目标终点。其次是因果流匹配，学习一个从任意受污染表征到其对应因果原型的确定性映射，该映射由一个常微分方程描述的速度场定义。在推理时，通过求解该常微分方程，将被污染的表征沿着最优路径流向纯净的因果原型，实现对非因果因素的精准剥离。本发明有效提升了模型在未知领域下的泛化性能与鲁棒性。