一种面向高光谱遥感图像分类的训练样本选取方法

本发明公开了一种面向高光谱遥感图像分类的训练样本选取方法，属于图像分类技术领域。包括以下步骤：给定未标注数据集，利用预训练GSCVIT模型提取分类特征与多头注意力权重，计算空间注意力熵并与分类特征拼接成增强特征，通过K‑Center贪心算法筛选核心集样本子集，借助组采样加载器加载数据，采用动态分布平衡损失(DDB Loss)训练模型以优化分类性能。本发明在四个数据集上验证，结果表明该方法可有效选取关键样本、动态优化类别分布，显著提升模型在不平衡数据下的分类精度与稳定性，增强对少数类和弱类目标的识别能力。解决了高光谱遥感图像标注成本高、类别不平衡及特征表达复杂的问题。