基于深度半监督迁移学习的多光谱遥感图像地物分类方法

摘要

本发明公开了一种基于深度半监督迁移学习的多光谱遥感图像地物分类方法，根据ground truth取出训练数据集和kNN数据；将训练数据集分成两部分分别训练；输入待分类的多光谱图像，在两个CNN模型中得到两个分类结果图；根据训练样本构造两个kNN邻近算法图；用两个分类结果图取出测试的数据，用kNN邻近算法对数据分类；更新分类结果图；更新协同训练的训练样本和kNN训练样本；重新训练协同训练的两个CNN网络，利用训练好的模型对测试数据集有类标的点进行分类，得到测试数据集中部分像素点的类别，并与真实类标进行比较。本发明引入了k近邻算法和样例相似度，防止协同训练走偏，提高了当训练样本不足时的分类准确率，可用于目标识别。