跨年跨区免样本作物制图
利用改进的直方图匹配校正多时相影像，结合弱样本训练的UNet++模型，无需目标区域训练样本即可实现高精度作物分类。
王丽君 · 白杨 · 王家耀 · Zheng, Zhou · 秦奋 · Hu, Jiyuan
GIScience and Remote Sensing 2023
模型在源域训练后可直接用于其他区域和年份，无需目标区域样本即可获得高精度分类结果。
改进的直方图匹配方法有效校正多时相影像的色彩差异，提升模型在不同时相影像上的泛化能力。
在未使用目标区域训练样本的情况下，模型总体精度、Kappa系数和平均F1分数分别超过87%、82%和65%。