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！

龙图腾网获悉江西理工大学申请的专利一种面向高光谱遥感影像的稀土矿区土地利用精细化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：CN119649102B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202411692617.4，技术领域涉及：G06V10/764；该发明授权一种面向高光谱遥感影像的稀土矿区土地利用精细化分类方法是由李恒凯;范晓勇;聂圣东;于阳;王秀丽设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种面向高光谱遥感影像的稀土矿区土地利用精细化分类方法在说明书摘要公布了：本发明公开了一种面向高光谱遥感影像的稀土矿区土地利用精细化分类方法，属于遥感领域。基于稀土矿区的高光谱遥感影像，设计出面向对象特征提取模块和面向对象‑‑基于多层注意力机制的一维卷积神经网络分类模型，通过这两个模块完成稀土矿区土地利用分类任务。通过将面向对象与卷积神经网络相结合，增强对不同土地利用类别的分类精度，同时也避免分类结果中出现“椒盐”噪声的现象。

本发明授权一种面向高光谱遥感影像的稀土矿区土地利用精细化分类方法在权利要求书中公布了：1.一种面向高光谱遥感影像的稀土矿区土地利用精细化分类方法，其特征在于：该方法的实施步骤为： 步骤1：结合实地勘察信息与稀土矿区的高光谱遥感影像，确定稀土矿区分类体系； 步骤2：利用面向对象特征提取模块，从所述高光谱遥感影像中提取影像特征； 步骤3：构建面向对象--基于多层注意力机制的一维卷积神经网络分类模型，通过卷积神经网络完成深度特征学习和所述高光谱遥感影像分类，进而完成稀土矿区土地利用分类任务； 所述面向对象特征提取模块，其具体实施步骤为：第一步根据所述稀土矿区分类体系，利用尺度参数估计模型确定高光谱遥感影像的最优分割尺度；第二步将所述最优分割尺度应用于所述高光谱遥感影像的分割，得到所述高光谱遥感影像分割结果；第三步从所述高光谱遥感影像分割结果提取所述高光谱遥感影像的影像特征； 所述高光谱遥感影像的影像特征包括光谱特征和空间特征； 所述光谱特征包括波段特征和指数特征； 所述指数特征由所述高光谱遥感影像的32个原始波段反射率作为输入参数构建的，所述指数特征是叶绿素植被指数、归一化植被指数、比值植被系数、绿色归一化植被指数、差值植被指数、2个归一化差分红边指数、陆地叶绿素指数； 所述面向对象--基于多层注意力机制的一维卷积神经网络分类模型其具体实施步骤为：第一步构建一维卷积神经网络，并输入所述高光谱遥感影像的影像特征，提取其深层影像特征；所述一维卷积神经网络包含卷积层、激活函数、池化层和全连接层；第二步在所述一维卷积神经网络中引入Transformer模块，动态关注局部影像特征和全局影像特征；第三步利用卷积注意力模块提取所述一维卷积神经网络中的显著影像特征信息，进行所述影像特征优选，挖掘所述土地利用分类任务的可区分性；第四步将所述一维卷积神经网络输出的所述显著影像特征信息进行分类，获取土地利用分类信息。

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江西理工大学，其通讯地址为：341000 江西省赣州市客家大道1958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。