买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连海事大学申请的专利一种基于生成式对抗网络的高光谱遥感图像农田分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119091296B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411085744.8，技术领域涉及：G06V20/10；该发明授权一种基于生成式对抗网络的高光谱遥感图像农田分类方法是由赵恩宇;苏勇方;王玉磊;高彩霞;段四波;吴骅设计研发完成，并于2024-08-08向国家知识产权局提交的专利申请。

本一种基于生成式对抗网络的高光谱遥感图像农田分类方法在说明书摘要公布了：本发明属于高光谱图像处理技术领域，涉及一种基于生成式对抗网络的高光谱遥感图像农田分类方法，该方法通过构建生成式对抗网络模型，对高光谱图像进行超像素分割，在生成器网络模型和鉴别器网络模型的训练过程中，通过修改鉴别器网络模型的损失函数，对得到的相邻超像素分割块的类别进行学习，充分利用了光谱信息和空间邻域信息。在训练集数量较少的情况下，实现了高光谱数据的农田地物准确分类，并取得了较好的效果。

本发明授权一种基于生成式对抗网络的高光谱遥感图像农田分类方法在权利要求书中公布了：1.一种基于生成式对抗网络的高光谱遥感图像农田分类方法，其特征在于，包括：对农田高光谱卫星遥感图像进行超像素分割获得多个超像素分割块；对每个超像素分割块分别进行PCA降维处理；计算每个超像素分割块的中心位置，获取该超像素分割块的相邻超像素分割块；构建生成器网络模型和鉴别器网络模型，将农田高光谱卫星遥感图像划分为训练集和测试集；使用训练集和测试集的数据训练生成器网络模型，同时预训练鉴别器网络模型；使用训练集的数据和标签训练鉴别器网络模型的分类性能；根据训练集所在超像素类别信息和相邻超像素块的类别信息计算鉴别器网络模型的损失值；将鉴别器网络模型输出的类别信息写入超像素分割块，使用反向传播算法更新鉴别器网络模型的参数；使用测试集的数据和标签对鉴别器网络模型的分类性能进行测试，输出农田高光谱卫星遥感图像的分类结果；计算每个超像素的中心位置和其相邻的超像素分割块，包括：根据每个超像素分割块中所包含的像素位置，计算出每个超像素分割块的中心坐标，公式如下： 其中，Cx和Cy为每个超像素分割块的中心坐标，xi和yi是超像素分割块所包含的像素的坐标信息，n是超像素分割块所包含的像素数量；根据超像素分割块的中心坐标以及所包含像素点的坐标信息，采用如下公式，计算每个超像素分割块的外接圆半径r 其中n为每个超像素分割块所包含的像素点数量；根据其外接圆半径r，计算出每个超像素分割块之间的距离d，找到每个超像素分割块的相邻块，公式如下所示： 其中，Cmx、Cmy、rm、Cnx、Cny和rn分别为不同的超像素分割块的中心坐标和其对应的外接圆半径；构建生成器网络模型和鉴别器网络模型，包括：生成器网络模型和鉴别器网络模型采用三层一维卷积网络模型，对光谱波段进行卷积,每一层卷积后都需要加上正则化和ReLU激活函数；使用训练集和测试集训练生成器网络模型，对鉴别器网络模型进行预训练，包括：采用优化后的生成式对抗网络损失函数，采用改进的Wasserstein距离的损失函数代替传统的损失函数，缓解模式崩溃，完成对生成器网络模型的训练，对鉴别器网络模型进行预训练时，公式如下所示： 其中，Pr为样本的真实分布，Pg为生成器网络模型生成的样本的分布；根据训练集所在超像素类别信息和相邻超像素块的类别信息，计算鉴别器网络模型的损失值，包括：对于给定的训练集，确定所属超像素分割块，并找到相邻的超像素分割块，鉴别器网络模型输出训练集的类别ypredi，根据相邻超像素分割块的类别yi，计算鉴别器网络模型的损失值Lneighborhood 其中N为相邻超像素块的数量；根据所属超像素分割块的类别信息，计算损失值Ldiscriminator，并与Lneighborhood损失值相加，构成总损失值Ltotal，公式如下所示：Ltotal＝Ldiscriminator+α·Lneighborhood其中，α为邻域学习的尺度，通过调节α的值控制邻域学习的尺度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连海事大学，其通讯地址为：116026 辽宁省大连市甘井子区凌水街道凌海路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。