基于遥感影像分类任务的数据增强优化算法研究

曾飞

doi:10.16009/j.issn.1009-5624.2026.15.056

信息记录材料 ›› 2026, Vol. 27 ›› Issue (15) : 172 -174. DOI: 10.16009/j.issn.1009-5624.2026.15.056

基于遥感影像分类任务的数据增强优化算法研究

曾飞

作者信息 +

Author information +

文章历史 +

摘要

针对遥感影像分类中存在的样本分布失衡、地物边界易混、跨时相成像差异明显以及通用增强与任务适配度偏弱等问题，本文围绕遥感影像分类任务的数据增强优化算法展开研究。在语义保持约束下，本文构建了基础几何变换、辐射扰动、类别感知样本重组、区域级局部增强与训练过程自适应调度相结合的数据增强优化算法。实验选取面向领域自适应语义分割的土地覆盖数据集(LoveDA)数据与高分二号(GF-2)样本库开展对比验证。结果表明，本文方案能够更有效地补充弱势类别信息、改善局部纹理判别，还能提升模型对复杂遥感场景的分类稳定性。