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！

龙图腾网获悉湖州师范学院申请的专利基于自适应过滤器及特征互补网络的高光谱图像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：CN117218402B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310697576.7，技术领域涉及：G06V10/764；该发明授权基于自适应过滤器及特征互补网络的高光谱图像分类方法是由石翠萍;吴海洋;胡文军设计研发完成，并于2023-06-13向国家知识产权局提交的专利申请。

本基于自适应过滤器及特征互补网络的高光谱图像分类方法在说明书摘要公布了：基于自适应过滤器及特征互补网络的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有方法未能很好地建立起近距离光谱信息与远距离光谱信息的相互依赖关系，并且冗余信息对网络的干扰未能得到很好地解决的问题。基于自适应过滤器及特征互补网络的高光谱图像分类方法具体过程为：一、建立基于自适应知识过滤的特征互补网络模型FCAN_AKF；获得训练好的基于自适应知识过滤的特征互补网络模型FCAN_AKF；二、将待测高光谱图像输入训练好的基于自适应知识过滤的特征互补网络模型FCAN_AKF，完成对待测高光谱图像的分类。本发明用于高光谱图像分类领域。

本发明授权基于自适应过滤器及特征互补网络的高光谱图像分类方法在权利要求书中公布了：1.基于自适应过滤器及特征互补网络的高光谱图像分类方法，其特征在于：所述方法具体过程为： 一、建立基于自适应知识过滤的特征互补网络模型FCAN_AKF； 获得训练好的基于自适应知识过滤的特征互补网络模型FCAN_AKF； 二、将待测高光谱图像输入训练好的基于自适应知识过滤的特征互补网络模型FCAN_AKF，完成对待测高光谱图像的分类； 所述一中建立基于自适应知识过滤的特征互补网络模型FCAN_AKF； 获得训练好的基于自适应知识过滤的特征互补网络模型FCAN_AKF； 具体过程为： 步骤一、随机采样高光谱图像； 高光谱图像训练集表示为X∈Rh×w×b，标签为Y∈Rh×w； 其中h、w、b依次代表高光谱图像HSI的高度、宽度与光谱波段数，R代表实数； 所述训练集是对每个类别按照预设的比例进行随机选取； 步骤二、建立基于自适应知识过滤的特征互补网络模型FCAN_AKF； 获得训练好的基于自适应知识过滤的特征互补网络模型FCAN_AKF； 所述步骤二中建立基于自适应知识过滤的特征互补网络模型FCAN_AKF； 获得训练好的基于自适应知识过滤的特征互补网络模型FCAN_AKF； 具体过程为： 基于自适应知识过滤的特征互补网络模型FCAN_AKF包括：非局部波段重组策略模块、非局部特征提取模块、局部特征提取模块、特征互补融合模块、双金子塔谱空间注意力模块、自适应知识过滤器和分类层； 步骤二一、将原始高光谱图像分为不同的补丁x∈Rh×w×b； 步骤二二、补丁x∈Rh×w×b以64的批次大小输入基于自适应知识过滤的特征互补网络模型FCAN_AKF的非局部波段重组策略模块NBR，非局部波段重组策略模块NBR首先分析了光谱波段之间的相关性并根据相关性进行分组，然后每个组中的光谱被进行重组； 步骤二三、将NBR的输出x′输入非局部特征提取模块，输出非局部特征； 步骤二四、补丁x∈Rh×w×b以64的批次大小输入局部特征提取模块，输出局部特征； 步骤二五、将步骤二三得到的非局部特征和步骤二四得到的局部特征进行拼接，拼接后输入特征互补融合模块，输出融合后特征； 步骤二六、将融合后特征输入双金子塔谱空间注意力模块，双金子塔谱空间注意力模块输出谱空间注意力； 步骤二七、将双金子塔谱空间注意力模块输出谱空间注意力输入自适应知识过滤器，自适应知识过滤器输出特征； 步骤二八、将自适应知识过滤器输出特征输入分类层进行分类； 步骤二九、获得训练好的基于自适应知识过滤的特征互补网络模型FCAN_AKF。

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湖州师范学院，其通讯地址为：313000 浙江省湖州市二环东路759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”。

以上内容由龙图腾AI智能生成。