La clasificación de imágenes hiperespectrales tiene como objetivo asignar una categoría a cada píxel en una imagen hiperespectral y es una aplicación importante en el campo de la teledetección. En los últimos años, los algoritmos de aprendizaje por contraste se utilizan ampliamente en la tarea de clasificación de imágenes hiperespectrales debido a su capacidad para extraer eficazmente las características clave de los datos. Sin embargo, los algoritmos de aprendizaje por contraste actualmente enfrentan el problema de definir objetos de la misma clase como muestras negativas en la etapa de preentrenamiento, lo que a menudo conduce a un aumento de la distancia entre las características de las muestras de la misma clase. Además, los algoritmos de aprendizaje por contraste suelen utilizar métodos de aumento de datos como recorte y rotación para crear muestras positivas, lo que limita la diversidad de las muestras positivas. Para resolver estos problemas, este artículo propone una red de clasificación de imágenes hiperespectrales basada en el aprendizaje por contraste multitarea. Este método extrae características espectrales y espaciales a múltiples escalas capa por capa y construye una estrategia de contraste de clase, permitiendo que las muestras de la misma clase presenten características consistentes a diferentes escalas, acercando así las características positivas en el espacio de características y fortaleciendo la agregación de datos intraclase. Luego, se propuso una red de fusión de probabilidad que mezcla el espectro-espacio, diseñando un mecanismo adaptativo que ajusta dinámicamente el peso de fusión de características para capturar la relación interna entre el espectro y la información espacial, permitiendo así obtener resultados de clasificación precisos. Se llevaron a cabo experimentos y verificaciones en 3 conjuntos de datos hiperespectrales de teledetección, y los resultados muestran que el método de este artículo muestra un rendimiento de clasificación más ventajoso que otros métodos de aprendizaje profundo.

teledetección ; imágenes hiperespectrales ; clasificación de imágenes ; aprendizaje por contraste ; fusión de características espectrales ; mecanismo de atención