一种基于掩码Transformer与对比学习的高光谱图像分类方法

本发明公开了一种基于掩码Transformer与对比学习的高光谱图像分类方法，包括：获取高光谱图像数据并进行预处理，获得样本集，基于样本集获得训练集；构建初始高光谱图像分类模型与模型总体损失函数；将训练集划分为带标签数据集与无标签数据集，基于无标签数据集与模型总体损失函数对初始高光谱图像分类模型进行预训练并进行简化重组，基于带标签数据集与交叉熵损失函数对简化重组后的模型进行有监督训练，通过训练完成的模型进行高光谱图像分类。本发明通过多尺度掩码重建与局部对比学习相结合，提高模型对高光谱图像中地物特征的关注度，丰富特征图的空间和通道信息，增强地物特征的权重，提高光谱图像分类的准确性和鲁棒性。