Los puntos clave no están disponibles para este artículo en este momento.
La clasificación de imágenes hiperespectrales (HSI) es uno de los puntos calientes en la teledetección, y muchos métodos se han propuesto continuamente en los últimos años. Sin embargo, sigue siendo un desafío lograr una clasificación de alta precisión en aplicaciones. Una de las principales razones es la falta de datos etiquetados. Debido a la limitación de la resolución espacial, el etiquetado manual de datos de HSI es laborioso y costoso, por lo que es difícil obtener una gran cantidad de datos etiquetados. En tal situación, muchos investigadores dirigen su atención al estudio de la clasificación de HSI con muestras pequeñas. Centrándose en este tema, este artículo ofrece una revisión sistemática del progreso de la investigación en los últimos años. Específicamente, este artículo contiene tres aspectos. Primero, considerando que la taxonomía utilizada en artículos de revisión anteriores no está bien desarrollada y confunde al lector, proponemos una nueva taxonomía basada en la forma de utilización de datos. Esta taxonomía proporciona un marco más preciso y completo para categorizar los diversos enfoques. Luego, utilizando la taxonomía propuesta como guía, analizamos y resumimos los métodos existentes, especialmente los últimos resultados de investigación (tanto modelos profundos como no profundos) que no se incluyeron en las revisiones anteriores, para que los lectores puedan entender el último progreso más claramente. Finalmente, llevamos a cabo varios conjuntos de experimentos y presentamos nuestras opiniones sobre los problemas actuales y las direcciones futuras.
Wang et al. (Sun,) estudiaron esta cuestión.