对抗与蒸馏耦合的高光谱遥感域自适应分类方法

作     者：于纯妍 徐铭阳 宋梅萍 胡亚斌 张建祎 YU Chunyan;XU Mingyang;SONG Meiping;HU Yabin;CHANG Chein-I

作者机构：大连海事大学信息科学技术学院高光谱遥感中心大连116026 自然资源部第一海洋研究所青岛266061 自然资源部海洋遥测技术创新中心青岛266061 马里兰大学计算机科学与电气工程系遥感信号与图像处理实验室马里兰州美国21250 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2024年第28卷第1期

页      面：231-246页

核心收录：

学科分类：0810[工学-信息与通信工程] 07[理学] 08[工学] 0708[理学-地球物理学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金(编号:61971082 42106179)。 

主　　题：高光谱遥感 图像分类 域自适应 知识蒸馏 生成对抗网络 

摘      要：高光谱遥感域自适应分类旨在利用有标注样本的源域知识对无标注的目标域场景进行分类,是高光谱跨场景分类的重要方法之一。目前流行的域自适应分类方法利用对抗训练模式实现目标域与源域的特征对齐,但未考虑源域知识是否充分转移至目标域这一关键问题。为了有效提取并迁移源域知识,本文提出一种基于对抗与蒸馏耦合模式的高光谱遥感自适应分类方法 UDAACD(Unsupervised Domain Adaptation by Adversary Coupled with Distillation)。该方法采用类内样本自蒸馏方式对源域信息进行提炼,提高自适应分类模型对源域监督知识的提取能力;同时,构建知识蒸馏与对抗耦合机制使目标域与源域特征在对抗与蒸馏中实现对齐,利用对抗与蒸馏耦合机制相互补充、相互促进,提升高光谱遥感知识从源域至目标域的迁移能力,进而完成目标域高光谱影像的无监督分类。本文选用Pavia University、Pavia Center、Houston 2013及Houston 2018高光谱遥感场景数据集进行了4组跨场景图像分类实验,结果表明所提出的模型优于其他高光谱域自适应方法,在相同样本条件下取得了较高的分类精度,准确率分别为91.75%(Pavia University-Pavia Center)、74.41%(Pavia Center-Pavia University)、70.68%(Houston 2013-Houston 2018)及67.76%(Houston 2018-Houston 2013),验证了方法的鲁棒性。