ハイパースペクトル画像から深層識別特徴を抽出するには、多くのラベル付きサンプルが必要ですが、ハイパースペクトル画像のサンプルラベリングは困難です。ハイパースペクトル画像の「スペクトル-マップ一体」特性に基づき、深層-多様体学習に基づく半教師あり二重フローネットワークを提案します。本ネットワークは、畳み込みネットワークとニューラルネットワークを用いて、少数のラベル付きサンプルと大量のラベルなしサンプルから空間-スペクトル結合特徴をそれぞれ抽出し、それぞれ監督グラフと非監督グラフに基づく多様体再構成グラフモデルを構築して内在する多様体構造を探ります。これに基づき、平均二乗誤差と多様体学習に基づく統合損失関数を設計し、多様体境界と空間-スペクトル確率残差を協調的に計測して二重フローネットワークの一体的なフィードバックと最適化を実現し、さらに地物分類を達成します。WHU-Hi龍口および黒河のハイパースペクトルデータセットにおける実験では、全体的な分類精度がそれぞれ97.53％と96.79％に達し、地物分類能力を効果的に向上させました。

ハイパースペクトルリモートセンシング;地物分類;特徴抽出;グラフ埋め込み;多様体学習;半教師あり学習