一种无监督学习的遥感目标分类方法与流程

技术特征：

1.一种无监督学习的遥感目标分类方法，其特征在于：包括以下的步骤：

2.如权利要求1所述的一种无监督学习的遥感目标分类方法，其特征在于：所述的步骤s1，包括以下的步骤：

3.如权利要求1所述的一种无监督学习的遥感目标分类方法，其特征在于：所述的步骤s5中，通过预训练模型c0(f0(·))对初始标注集y0和初始权重集p0进行第一次训练的模型训练目标函数为

4.如权利要求1所述的一种无监督学习的遥感目标分类方法，其特征在于：所述的步骤s6中，对标注进行迭代更新，在第k次训练时，使用上一次的模型ck-1(fk-1(·))，更新第k次模型训练时的标注集，包括以下的步骤：

5.如权利要求1所述的一种无监督学习的遥感目标分类方法，其特征在于：所述的步骤s6中，对权重进行迭代更新，在第k次训练时，使用上一次训练后模型的输出结果prek-1作为已知信息，利用基于已知信息生成的权重与第k-1次模型训练时遥感目标图像的权重，生成第k次模型训练时遥感目标图像的权重集，包括以下的步骤：

技术总结
本发明提供了一种无监督学习的遥感目标分类方法，涉及遥感图像处理技术领域，该方法包括：S1、通过ResNet模型对无标注的遥感目标进行特征提取，生成训练数据；S2、使用聚类算法对训练数据中的所有遥感目标进行粗分类，根据聚类结果，给所有无标注的遥感目标图像一个初始标注，生成初始标注集Y<subgt;0</subgt;；S3、为形成的特征簇分别计算一个特征中心；S4、基于特征中心为所有遥感目标图像生成初始权重集P<subgt;0</subgt;；S5、通过预训练模型对初始标注集Y<subgt;0</subgt;和初始权重集P<subgt;0</subgt;进行第一次训练；S6、对标注进行迭代更新;对权重进行迭代更新；S7、重复迭代更新，直至标注集的变化小于阈值时，则停止训练，遥感目标的分类完成。

技术研发人员：周皓然,陆国锋,叶绍泽,王洪辉,黎治华,袁杰遵
受保护的技术使用者：深圳市森歌数据技术有限公司
技术研发日：
技术公布日：2024/1/13