周绍光，吴 昊，赵婵娟，陈仁喜

河海大学 地球科学与工程学院，南京211100

高光谱成像是一项重要的遥感技术，它可以收集从可见光到近红外波长范围的电磁光谱。由于具有丰富的光谱信息，高光谱遥感影像可以区分细微的光谱差异，已广泛应用于许多领域。

成功应用高光谱影像的关键是精确的分类。已发表论文的统计结果表明，HSI分类（即根据其光谱特征将每个像素分配给一个特定的类别）是高光谱研究领域最活跃的一个方向。在HSI分类任务中，有限的可用训练样本始终是一个主要挑战。及时地标记大量训练样本具有很大难度，迁移学习的基本思想便成为应对这一挑战的潜在希望。

就遥感影像分类而言，迁移学习的目的是利用相似影像中丰富的标记样本提高缺少标记样本的新影像的分类精度。具有大量标记样本的影像称为源域，而缺少标记样本的待分类影像称为目标域。严格地讲，利用相似影像实现新影像分类的任务属于迁移学习的一个分支——领域自适应。源域影像和目标域影像具有一定的相似性，同时又有所不同，这是领域自适应方法存在的原因。

减小目标域和源域影像在特征空间的差异是达成迁移学习目的的最重要途径。这一任务与分类所采用的特征息息相关。最早的高光谱分类主要限于使用光谱信息。随着对空间信息重要性认识的不断提高，高光谱影像分类开始同时利用光谱信息和空间信息。……