基于文本-光谱特征联合学习的高光谱图像分类算法

高光谱图像分类任务是遥感对地观测领域中的重要研究课题之一。针对高光谱图像覆盖范围广、地物种类多、人工标记难度高等问题,设计了一种基于文本-光谱联合学习的分类算法,利用文本模态的语义先验来增强不同场景之间的知识迁移能力,借助特征重建的方式学习判别和迁移信息,并采用自适应的文本嵌入交互模块挖掘编码器的潜在特征,实现了多模态特征之间的联合优化与分类效果提升。同时,采用4种不同算法进行对比验证,结果表明,新算法在单类别精度、总体精度(Overall Accuracy,OA)和Kappa系数方面均优于其他算法。