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！

龙图腾网获悉江西省公路科研设计院有限公司申请的专利基于多尺度空间与光谱增强融合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：CN121121319B 。

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：202511659764.6，技术领域涉及：G06V10/764；该发明授权基于多尺度空间与光谱增强融合的高光谱图像分类方法是由田志斌;何凌坚;鲜宾;张旺;叶新田;黄沙路;杨水生设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本基于多尺度空间与光谱增强融合的高光谱图像分类方法在说明书摘要公布了：本发明属于图像处理技术领域，公开了基于多尺度空间与光谱增强融合的高光谱图像分类方法，通过对高光谱图像进行降维处理，然后生成一系列图像块，对图像块进行特征提取，得到浅层特征；将浅层特征输入到多尺度空谱增强模块，分别通过光谱分支和空间分支提取特征，并在最终融合后输出空谱增强融合特征；将空谱增强融合特征进行图像块嵌入处理得到图像块特征向量，图像块特征向量送入上下文语义关联模块进行语义增强编码，得到语义增强特征；语义增强特征经过层归一化和全连接处理后，被映射到目标类别中，最终生成分类热力图。本发明提升了类间可分性，在复杂场景下仍能保持对细微地物特征的精准感知与强化表达能力。

本发明授权基于多尺度空间与光谱增强融合的高光谱图像分类方法在权利要求书中公布了：1.基于多尺度空间与光谱增强融合的高光谱图像分类方法，其特征在于，步骤如下： S1：采用主成分分析对高光谱图像进行降维处理，得到降维后的特征数据； S2：基于降维后的特征数据，生成一系列图像块； S3：对图像块进行特征提取，得到浅层特征； S4：将浅层特征输入到多尺度空谱增强模块进行多尺度空间与光谱增强融合，所述多尺度空谱增强模块接收浅层特征作为输入，分别通过光谱分支和空间分支提取特征，并在最终融合后输出空谱增强融合特征；所述光谱分支首先使用全局平均池化来聚合全局光谱信息，将浅层特征压缩为一个通道维度的描述符向量，随后，描述符向量经过两个连续的1×1卷积以及左侧分支中的一个Sigmoid激活函数处理，以生成第一频谱注意力权重；同时，右侧分支通过一个Sigmoid函数直接生成第二频谱注意力权重，分别将第一频谱注意力权重、第二频谱注意力权重和浅层特征进行矩阵乘法运算，分别得到第一频谱特征和第二频谱特征； 所述空间分支通过三条支路分别使用1×1卷积、3×3卷积和深度可分离卷积对浅层特征进行处理，获得的特征分别经过批归一化和修正线性单元处理后，分别得到第一空间特征、第二空间特征和第三空间特征；空间分支的第4条支路，首先对浅层特征进行最大池化和平均池化，然后进行特征拼接，并通过7×7卷积生成空间注意力权重，空间注意力权重和浅层特征通过矩阵乘法运算得到空间增强特征； S5：将空谱增强融合特征进行图像块嵌入处理得到图像块特征向量，图像块特征向量送入上下文语义关联模块进行语义增强编码，得到语义增强特征； 所述上下文语义关联模块采用了双分支并行架构，包括上下文分支和细节保留分支，所述上下文分支用于全局上下文语义建模，首先使用1×1卷积对图像块特征向量进行处理，然后使用高斯误差线性单元进行非线性特征转换，再使用另一个1×1卷积处理后，通过多头注意力机制来捕捉长距离的上下文依赖关系，得到全局语义特征； S6：语义增强特征经过层归一化和全连接处理后，被映射到目标类别中，最终生成分类热力图。

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省公路科研设计院有限公司，其通讯地址为：330000 江西省南昌市西湖区站前西路59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。