结合无监督学习的高光谱图像分类方法

摘要

本发明公开了一种结合无监督学习的高光谱图像分类方法，用于解决现有高光谱图像分类方法分类精度低的技术问题。技术方案是针对卷积神经网络模型在训练样本较少时存在过拟合的技术问题，利用无监督数据来约束卷积神经网络模型，使其在训练样本较少时能减小训练过拟合的风险。为了更好地学习无监督信息，采用一个两路分支网络，通过一个共享的特征提取模块，独立地对带标签数据和无标签数据进行特征映射，使得共享的特征提取模块可以学习到高光谱数据的无监督信息(类内相似性和类间差异性)，从而更好地辅助高光谱图像分类任务，提高高光谱图像分类精度。