一种新颖的条件对齐和伪标签生成方法，用于跨场景的高光谱图像分类

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Novel Conditional Alignment and Pseudo Label Generation Method for Cross-Scene Hyperspectral Image Classification

　　

摘要：

在跨场景高光谱图像（HSI）分类中，一个关键的瓶颈问题是域偏移，这给将网络模型应用于一些新的、未标记的场景带来了重大挑战。无监督的域适应技术旨在对齐源域和目标域的分布，已成为解决这一挑战的强大工具。在本文中，我们提出了一种名为“条件对齐与伪标签生成”（CAPLG）的新方法，该方法主要包含三个创新点： 1. 为了解决域间条件分布不对齐的问题，我们提出了一种条件最大方向差异（CMDD）策略，该策略能够明确建模域间类别特征的方向差异。通过最小化CMDD，可以实现域条件分布的对齐。 2. 我们设计了光谱伪标签（SpePL）和空间伪标签（SpaPL），以全面学习目标域的光谱和空间信息。这些伪标签还能在训练早期为CMDD提供高质量的指导。 3. 为了解决由于域间空间分辨率不匹配导致的对齐问题，我们构建了一个像素块统一网络（PPUN），该网络能够在不同分辨率下有效传递空间信息，并确保SpaPL的高效生成。 我们将提出的方法与一些最先进的方法在三个跨场景HSI数据集上进行了对比评估。实验结果表明，我们的方法在所有三个数据集上都取得了优异的性能。