公开(公告)号：CN118898746A

公开(公告)日：2024-11-05

申请号：CN202410950994.7

申请日：2024-07-16

Applicant: 武汉大学

Inventor： 董燕妮 ,  黄羲增 ,  张玉香 ,  罗甫林 ,  张乐飞 ,  杜博

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/58 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种用于对高光谱图像进行跨场景分类的方法、装置和设备，其中，方法包括：获取目标域图像；其中，目标域图像为需要进行跨场景分类的目标区域的高光谱图像；将目标域图像输入预设跨场景分类模型，经预设跨场景分类模型输出关于目标域图像的分类类别；其中，预设跨场景分类模型基于预设训练框架以及至少一组训练数据训练得到，至少一组训练数据中的每组训练数据包括一张源域样本图像和对应的标签值，预设训练框架能够基于每组训练数据中的源域样本图像生成对应的扩展域样本图像。利用本发明公开的方法，可以在训练阶段通过变换图像的频率特性来实现提升模型的泛化能力，从而使得训练得到的预设跨场景分类模型对高光谱图像进行跨场景分类的准确性更高。

公开(公告)号：CN119810656A

公开(公告)日：2025-04-11

申请号：CN202411875848.9

申请日：2024-12-19

Applicant: 武汉大学

Inventor： 董燕妮 ,  黄羲增 ,  马昕 ,  张玉香 ,  沈焕锋 ,  张良培

IPC: G06V20/10 ,  G06V10/58 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种基于动态标记增强mamba的高光谱图像跨场景分类方法，包括如下步骤：将获取的目标域图像输入训练后的分类模型，输出目标域图像的预测类别；其中，分类模型的训练包括：步骤1：将源域图像样本按顺序在空间维度上展开为块状序列数据，并通过块嵌入层添加位置编码和光谱维度投影；步骤2：对投影后得到的数据的特征进行动态标记增强；步骤3：对动态标记增强后的特征进行提取；步骤4：重复N次步骤2和步骤3；步骤5：通过分类器头对最终提取的特征进行分类，获得各特征对应样本的预测概率，并计算分类补偿损失，利用分类补偿损失作为反馈信号来调整分类器参数；本发明有着泛化能力好、分类精度高、效率高的优点。