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基于宽度和深度傅里叶网络的高光谱遥感影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：CN114998730B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202210589876.9，技术领域涉及：G06V10/764；该发明授权基于宽度和深度傅里叶网络的高光谱遥感影像分类方法是由席江波;高思岩;姜万冬;赵超英;房建武设计研发完成，并于2022-05-27向国家知识产权局提交的专利申请。

本基于宽度和深度傅里叶网络的高光谱遥感影像分类方法在说明书摘要公布了：本发明涉及人工智能和遥感领域，具体涉及基于宽度和深度傅里叶网络的高光谱遥感影像分类方法。本发明的宽度深层傅里叶神经网络，在宽度方向上使用傅里叶变换提取高光谱影像的空间和光谱信息，在深度方向上逐层添加宽傅里叶层，提取图像的分层特征，提高了学习效率和学习精度；将影像转换到频率域上对其进行特征提取，使用快速傅里叶变换来加速计算过程；并且由于只使用了有效的傅立叶变换输出分量，所以输出的数据量大大减少，因此本发明的宽度和深度傅里叶网络只需要很小的计算量；在宽度和深度傅里叶神经网络中添加了一个全连接层用于分类，通过使用最小二乘法学习全连接层中的权重，使得网络训练过程更加简化。

本发明授权基于宽度和深度傅里叶网络的高光谱遥感影像分类方法在权利要求书中公布了：1.基于宽度和深度傅里叶网络的高光谱遥感影像分类方法，其特征在于，包括以下步骤： 步骤1，获取多张高光谱遥感影像，对高光谱遥感影像进行预处理，得到训练集； 步骤2，建立宽度和深度傅里叶网络； 步骤3，使用训练集样本对宽度和深度傅里叶网络进行训练，得到训练完成的宽度和深度傅里叶网络； 步骤4，使用训练完成的宽度和深度傅里叶网络对的高光谱遥感影像进行分类； 宽度和深度傅里叶网络，具体的，宽度和深度傅里叶网络包含依次连接的Q层宽度傅里叶层和全连接层；宽度和深度傅里叶网络的输入为高光谱遥感影像预处理得到的M个拉伸向量，输出为高光谱遥感影像的分类结果；宽度傅里叶层用于提取高光谱影像的特征，全连接层用于输出分类结果； 第1至Q-1层的宽度傅里叶层的处理过程如下： 子步骤1，使用滑动窗口对输入向量进行切片，每个输入向量下得到N个一维切片； 子步骤2，对每个一维切片的其他维度用零进行填充，得到N个子向量； 子步骤3，对每个子向量进行离散傅里叶变换，每个子向量得到K个复向量；对每个子向量的K个复向量求模，得到K个傅里叶变换振幅向量；再对每个子向量的K个傅里叶变换振幅向量求和，得到每个子向量的傅里叶变换振幅向量； 子步骤4，对所有子向量的傅里叶变换振幅向量由大到小进行排序； 子步骤5，保留前N个子向量的傅里叶变换振幅向量作为每个输入向量的特征向量并输出；其中N为下一层网络子向量的维度； 第Q层的宽度傅里叶层的处理过程如下： 子步骤1，使用滑动窗口对输入向量进行切片，每个输入向量下得到N个一维切片； 子步骤2，对每个一维切片的其他维度用零进行填充，得到N个子向量； 子步骤3，对每个子向量进行离散傅里叶变换，每个子向量得到K个复向量；对每个子向量的K个复向量求模，得到K个傅里叶变换振幅向量；再对每个子向量的K个傅里叶变换振幅向量求和，得到每个子向量的傅里叶变换振幅向量； 子步骤4，对所有子向量的傅里叶变换振幅向量由大到小进行排序； 子步骤5，保留前N个子向量的傅里叶变换振幅向量作为每个输入向量的特征向量；其中N为下一层网络子向量的维度； 子步骤6，将所有输入向量的特征向量进行合并，得到合并向量并输出。

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：710064 陕西省西安市碑林区二环南路中段126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。