Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 长安大学叶珍获国家专利权

长安大学叶珍获国家专利权

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!

龙图腾网获悉长安大学申请的专利多源遥感图像空间高程光谱特征提取与分类的方法及系统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:CN116824356B

龙图腾网通过国家知识产权局官网在2025-09-30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:202310156401.5,技术领域涉及:G06V20/10;该发明授权多源遥感图像空间高程光谱特征提取与分类的方法及系统是由叶珍;梁毅康;席永强;白璘设计研发完成,并于2023-02-23向国家知识产权局提交的专利申请。

多源遥感图像空间高程光谱特征提取与分类的方法及系统在说明书摘要公布了:本发明公开了多源遥感图像空间高程光谱特征提取与分类的方法及系统,涉及遥感图像数据处理技术领域,包括以下步骤:获取待融合的HSI图像数据、LiDAR图像数据的多个类内样本矩阵;构建空间高程特征提取模块,用于提取LiDAR图像数据的高程特征,以及HSI图像数据的空间特征,并利用空间注意力机制进行通道间的特征融合;构建多尺度空间特征提取模块提取HSI图像数据的多尺度空间特征;构建光谱特征提取模块获取HSI图像数据的光谱特征;构建特征融合模块,将所获得的高程特征、空间特征的通道权重进行相加融合后,再与光谱特征级联融合。本发明所提出的方法生成的分类图噪声小、计算效率和分类精度高。

本发明授权多源遥感图像空间高程光谱特征提取与分类的方法及系统在权利要求书中公布了:1.多源遥感图像空间高程光谱特征提取与分类的方法,其特征在于,包括以下步骤: 获取待融合的HSI图像数据、LiDAR图像数据的多个类内样本矩阵; 构建空间高程特征提取模块,其包括高程信息提取通道、空间特征提取通道和空间注意力机制;将HSI图像数据、LiDAR图像数据的多个类内样本矩阵分别输入到空间高程特征提取模块中后,利用高程信息提取通道提取LiDAR图像数据的高程特征,利用空间特征提取通道提取HSI图像数据的空间特征,利用空间注意力机制进行通道间的特征融合; 构建多尺度空间特征提取模块,将空间特征输入到多尺度空间特征提取模块后,将所得到的不同尺度特征通过拼接融合,得到HSI图像数据的多尺度空间特征; 构建光谱特征提取模块,其包括两个卷积,一个ReLU层和一个Sigmoid层,当HSI图像数据的多个类内样本矩阵输入到光谱特征提取模块后,将所获得的光谱注意力权重与HSI图像数据的多个类内样本矩阵乘积,得到HSI图像数据的光谱特征; 构建特征融合模块,其包括卷积和Sigmoid层,将高程特征、多尺度空间特征、光谱特征分别输入到特征融合模块后,将所获得的高程特征、空间特征的通道权重进行相加融合后,再与光谱特征级联融合; 将最终融合所得的特征送入分类器中得到分类结果; 所述高程信息提取通道和空间特征提取通道均经过两组特征提取网络,每组特征提取网络均包括卷积层、BN层、ReLU层和最大池化层; 通过跨通道方式获取HSI图像数据的空间特征的权重; 所得到的所述空间特征和所述高程特征表示为: 其中,和分别表示经过一次特征提取后的空间特征和高程特征; 和表示经过空间注意力机制分配权重后的空间特征和高程特征; C·表示卷积运算;B·表示批标准化;R·表示ReLU激活函数; M·表示最大池化操作。

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长安大学,其通讯地址为:710000 陕西省西安市雁塔区南二环路中段;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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。