本发明公开了一种基于小样本学习的高光谱图像半监督分类方法，主要解决现有技术在小样本场景下分类网络易出现过拟合和自训练过程中不可靠的“伪标记”样本对分类网络训练过程中造成不良影响的问题。其实现方案为：1)从高光谱数据库中获得五个高光谱数据集，并进行预处理；2)从预处理后的数据集中采集出训练集和测试集；3)构建包括两个卷积层和一个全连接层的高光谱图像原型分类网络；4)利用训练集，通过对其各类别原型进行迭代更新，完成对该分类网络的训练；5)将测试集输入到训练好的网络最优模型中，得到测试数据分类结果。本发明解决了现有小样本场景下存在的过拟合问题，提高了分类精度，可应用于地质勘探、城市遥感和海洋探测。
声明：
“基于小样本学习的高光谱图像半监督分类方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
739
编辑：管理员
来源：北方有色网
咨询细节
