一种基于高光谱影像的地物分类模型自适应训练方法

本发明公开了一种基于高光谱影像的地物分类模型自适应训练方法，属于遥感影像处理与人工智能交叉技术领域。该方法包括：自适应空间块划分步骤，按空间不重叠块进行类别平衡分层的训练/验证/测试集划分；物理约束的不平衡样本自适应增强步骤，施加值域、光滑性和诊断吸收峰三层物理约束进行样本合成；场景感知的自适应波段选择步骤，自动判断场景类型并根据信息量分布自适应确定最优波段数量和组合；数据集难度驱动的模型结构与超参数自适应搜索步骤，基于四维难度指标自动匹配合适模型和超参数；可选的跨域自适应微调步骤；以及动态早停与失败自动重试的训练调度执行步骤。本发明使总体准确率平均提升8.4个百分点，少数类F1提升16.4个百分点，跨时相精度下降幅度减少76%，GPU训练时间节省40%，可广泛应用于矿物识别、植被精细分类、水质参数反演等遥感场景。