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！

龙图腾网获悉湖南大学申请的专利一种基于多尺度空谱特征的病理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：CN115810150B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211587387.6，技术领域涉及：G06V20/10；该发明授权一种基于多尺度空谱特征的病理高光谱图像分类方法是由张辉;胡非易;陈煜嵘;尹阿婷;袁小芳;毛建旭;王耀南设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种基于多尺度空谱特征的病理高光谱图像分类方法在说明书摘要公布了：本发明公开了一种基于多尺度空谱特征的病理高光谱图像分类方法，获取病理切片高光谱图像以及对应的像素级标签，对高光谱图像进行预处理，得到高光谱补丁图像和对应的分类标签；搭建多尺度空谱特征分类网络并预设对应网络的损失函数；将预设的训练集输入至搭建好的多尺度空谱特征分类网络进行训练，根据预设的损失函数计算网络的损失值，并反向传播更新网络的网络参数，得到更新后的多尺度空谱特征分类网络；将高光谱补丁图像输入至更新后的多尺度空谱特征分类网络，结合分类标签，输出高光谱补丁图像的分类结果。该分类方法充分利用了空间邻域特征和高光谱特征，通过去除不相关的输入特征和添加正则化缓解使用小规模数据集时的过拟合问题。

本发明授权一种基于多尺度空谱特征的病理高光谱图像分类方法在权利要求书中公布了：1.一种基于多尺度空谱特征的病理高光谱图像分类方法，其特征在于，所述方法包括： S1、获取病理切片高光谱图像以及对应的像素级标签，对所述高光谱图像进行预处理，得到高光谱补丁图像，根据所述像素级标签和所述高光谱补丁图像得到所述高光谱补丁图像的分类标签； S2、搭建多尺度空谱特征分类网络，所述网络包括依次连接的自适应谱特征加权网络、多尺度空间光谱融合网络和重构网络，分别预设自适应谱特征加权网络、多尺度空间光谱融合网络和重构网络的损失函数，并将损失函数相加得到多尺度空谱特征分类网络的总损失函数； S3、将预设的训练集输入至搭建好的多尺度空谱特征分类网络进行训练，并根据多尺度空谱特征分类网络的总损失函数计算所述多尺度空谱特征分类网络的总损失，并反向传播更新所述多尺度空谱特征分类网络的网络参数，得到更新后的多尺度空谱特征分类网络； S4、将所述高光谱补丁图像输入至所述更新后的多尺度空谱特征分类网络，结合所述高光谱补丁图像的分类标签，输出所述高光谱补丁图像的分类结果； 所述S2中的自适应谱特征加权网络包括第一特征提取模块和全连接层，所述第一特征提取模块用于提取所述高光谱补丁图像的高光谱特征向量，所述全连接层根据提取的高光谱特征向量，输出高光谱特征的权重，将所述高光谱特征的权重与所述高光谱补丁图像xi相乘得到高光谱特征减少的高光谱补丁图像 所述S2中多尺度空间光谱融合网络包括光谱特征提取网络，空间邻域特征提取网络以及特征融合模块，所述光谱特征提取网络用于对所述高光谱特征减少的高光谱补丁图像提取高光谱特征，得到预设大小的高光谱特征向量，所述空间邻域特征提取网络用于对所述高光谱特征减少的高光谱补丁图像提取空间邻域特征，得到预设大小的空间邻域特征向量，所述特征融合模块用于对所述高光谱特征向量和空间邻域特征向量进行融合，并结合所述分类标签预测所述高光谱补丁图像的分类结果； 所述S2中的重构网络包括解码器模块和3D-CNN模块，所述解码器模块用于将所述常规采样高光谱特征向量、下采样高光谱特征向量、常规采样空间邻域特征向量和下采样空间邻域特征向量进行处理，得到预设大小的特征图，所述3D-CNN模块用于将所述特征图生成重构的高光谱图像。

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南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路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”。

以上内容由龙图腾AI智能生成。