技術(shù)特征：

1.一種半監(jiān)督多光譜遙感圖像場景分類方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的半監(jiān)督多光譜遙感圖像場景分類方法，其特征在于，所述空間特征分支網(wǎng)絡(luò)基于深度殘差網(wǎng)絡(luò)得到，所述光譜特征分支網(wǎng)絡(luò)通過在所述深度殘差網(wǎng)絡(luò)的各網(wǎng)絡(luò)層中增加光譜注意力模塊得到；

3.根據(jù)權(quán)利要求2所述的半監(jiān)督多光譜遙感圖像場景分類方法，其特征在于，所述查詢參數(shù)、所述鍵參數(shù)和所述值參數(shù)的計算公式如下所示：

4.根據(jù)權(quán)利要求1-3任一項所述的半監(jiān)督多光譜遙感圖像場景分類方法，其特征在于，所述對所述空間特征對應(yīng)的弱增強預(yù)測結(jié)果以及所述光譜特征對應(yīng)的弱增強預(yù)測結(jié)果進(jìn)行融合，得到所述無標(biāo)注多光譜遙感圖像的偽標(biāo)簽，包括：

5.根據(jù)權(quán)利要求4所述的半監(jiān)督多光譜遙感圖像場景分類方法，其特征在于，所述基于熵加權(quán)算法對所述空間特征對應(yīng)的弱增強預(yù)測結(jié)果以及所述光譜特征對應(yīng)的弱增強預(yù)測結(jié)果進(jìn)行融合，得到所述無標(biāo)注多光譜遙感圖像的偽標(biāo)簽，包括：

6.根據(jù)權(quán)利要求1所述的半監(jiān)督多光譜遙感圖像場景分類方法，其特征在于，所述根據(jù)所述偽標(biāo)簽以及所述空間特征和所述光譜特征各自對應(yīng)的強增強預(yù)測結(jié)果，得到無監(jiān)督損失函數(shù)，包括：

7.根據(jù)權(quán)利要求1所述的半監(jiān)督多光譜遙感圖像場景分類方法，其特征在于，還包括：

8.一種半監(jiān)督多光譜遙感圖像場景分類裝置，其特征在于，包括：

9.一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)如權(quán)利要求1-7任一項所述的半監(jiān)督多光譜遙感圖像場景分類方法。

10.一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7任一項所述的半監(jiān)督多光譜遙感圖像場景分類方法。

技術(shù)總結(jié)
本發(fā)明提供一種半監(jiān)督多光譜遙感圖像場景分類方法、裝置、設(shè)備及介質(zhì)，屬于遙感圖像場景分類技術(shù)領(lǐng)域，對無標(biāo)注多光譜遙感圖像進(jìn)行弱、強增強處理后輸入至預(yù)先構(gòu)建的雙分支網(wǎng)絡(luò)結(jié)構(gòu)，得到各分支網(wǎng)絡(luò)輸出的強、弱增強預(yù)測結(jié)果并融合，得到無標(biāo)注多光譜遙感圖像的偽標(biāo)簽，根據(jù)偽標(biāo)簽對雙分支網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，將訓(xùn)練完成的雙分支網(wǎng)絡(luò)結(jié)構(gòu)作為場景分類模型；基于場景分類模型對目標(biāo)多光譜遙感圖像進(jìn)行場景分類，得到目標(biāo)場景分類結(jié)果。雙分支網(wǎng)絡(luò)結(jié)構(gòu)充分利用多光譜遙感圖像的空間、光譜信息以及不同波段之間的互補信息，光譜特征分支網(wǎng)絡(luò)引入光譜注意力能夠進(jìn)一步增強光譜信息提取能力，得到準(zhǔn)確性更高的偽標(biāo)簽，進(jìn)而提升模型的分類性能。

技術(shù)研發(fā)人員：劉瑜,李進(jìn),姜智卓,李耀文,李徵,何友
受保護(hù)的技術(shù)使用者：清華大學(xué)深圳國際研究生院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15