基于跨域小样本学习的滨海湿地植被高光谱图像检测方法

本发明公开一种基于跨域小样本学习的滨海湿地植被高光谱图像检测方法，属于图像处理技术领域。该方法采用原型校准，利用高斯混合模型从查询集中选择特征用于原型重构，以提高与原型分布的一致性。采用基于岭回归的距离度量方法用于解决原型集与查询集之间的协变量偏移问题，从而提高距离度量的准确性。为了克服域适应的复杂性，还引入基于图匹配的域适应，将源域和目标域特征重构为异构图，将域适应视为图匹配问题。另外，采用共享传输矩阵有助于节点和边的匹配，从而减少域偏移。本发明经过上述步骤的共同配合，最终取得了优异的分类能力，在实地拍摄的滨海湿地植被高光谱数据集上表现良好。