科创中国

本成果属于图像信息处理技术，特别涉及一种基于半监督的多级光谱 - 空间特征融合全卷积神经网络的高光谱遥感地物分类方法。

本成果提供一种用于高光谱遥感地物分类半监督的多级光谱 - 空间特征融合全卷积 网方法。包含了基于半监督的伪标签样本扩充和多级融合的光谱 - 空间全卷积神经网落，通过设计相似性函数对无监督的超像素分割结果中高光谱图像先验信息的利用实现对训练集的扩充，同时构建多级光谱 - 空间特征提取模块并组合成全卷积神经网络实现对高 光谱图像的特征提取，最后通过空谱融合实现整体网络输出，在小样本的情况下有效提升模型分类精度。

高光谱图像地物分类在军事和民用领域有广阔的应用前景和可观的经济效益。本方法利用半监督方法扩充训练样本和使用全卷积神经网络提取空谱信息， 在小样本的情况下提高模型分类准确性，具有实用性和可操作性。