用于跨域图像分类的小样本无监督领域自适应方法和装置

本申请涉及一种用于跨域图像分类的小样本无监督领域自适应方法和装置。所述方法包括：利用邻域提取在被处理像素周围提取图像立方块作为输入样本；采用特征生成器提取光谱‑空间联合特征；基于光谱‑空间联合特征采用类平衡多中心动态原型策略聚类存储库中的特征向量以生成原型，并在正则化之后的特征向量和原型之间执行域内精炼原型对比学习和跨域双向原型对比学习；同时，自适应地更新余弦分类器向量，并采用互信息最大化损失和监督分类训练损失进行训练，得到训练好的小样本无监督领域自适应模型，采用该模型对对目标域待分类图像进行分类，得到目标域待分类图像的分类结果。采用本方法缓解了跨域失配问题，提高了模型在目标域上的分类效果。