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！

龙图腾网恭喜清华大学申请的专利一种高光谱图像分类方法、装置、电子设备和存储介质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：CN114417976B 。

龙图腾网通过国家知识产权局官网在2024-09-17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：202111602641.0，技术领域涉及：G06V10/764；该发明授权一种高光谱图像分类方法、装置、电子设备和存储介质是由鲁继文;周杰;汪诚琨;郑文钊设计研发完成，并于2021-12-24向国家知识产权局提交的专利申请。

本一种高光谱图像分类方法、装置、电子设备和存储介质在说明书摘要公布了：本公开提出一种高光谱图像分类方法、装置、电子设备和存储介质，属于计算机视觉与航空遥感技术。其中，所述方法包括：将待分类的高光谱图像输入预设的卷积神经网络，得到所述高光谱图像的图像特征；利用所述图像特征，根据预设的均值网络，得到所述图像特征对应的均值矩阵；根据所述均值矩阵，计算所述高光谱图像对应各类别的概率值，将所述概率值的最大值对应的类别作为所述高光谱图像的分类结果。本公开解决现有的同时考虑空间维度和光谱维度的高光谱图像分类方法中，在利用空间近邻信息来降低光谱维度不确定性影响的同时，引入了近邻像素的标签不确定性的问题，减少空间中标签不确定性对图像分类的不利影响，得到更为准确的分类结果。

本发明授权一种高光谱图像分类方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种高光谱图像分类方法，其特征在于，包括：将待分类的高光谱图像输入预设的卷积神经网络，得到所述高光谱图像的图像特征；利用所述图像特征，根据预设的均值网络，得到所述图像特征对应的均值矩阵；根据所述均值矩阵，计算所述高光谱图像对应各类别的概率值，将所述概率值的最大值对应的类别作为所述高光谱图像的分类结果；其中，在所述将待分类的高光谱图像输入预设的卷积神经网络，得到所述高光谱图像的图像特征之前，还包括：训练所述卷积神经网络和所述均值网络；所述训练所述卷积神经网络和所述均值网络，包括：获取训练数据集；构建卷积神经网络并随机初始化；构建均值网络和方差网络，将所述均值网络和所述方差网络分别连接在所述卷积神经网络之后；利用所述训练数据集训练所述卷积神经网络、所述均值网络和所述方差网络，得到训练完毕的所述卷积神经网络、所述均值网络和所述方差网络，包括：1图像特征提取；将训练数据集的每张图像xi输入当前卷积神经网络，利用当前卷积神经网络提取对应的图像特征fi；2利用当前均值网络和方差网络分别构建图像特征对应的均值矩阵和方差矩阵，如下所示： 其中，fi为xi的图像特征，g1和g2分别代表均值网络和方差网络对应输入图像特征的映射，Mi为对应fi的均值矩阵，mij是均值矩阵Mi中第j个像素对应的均值向量，Vi为对应fi的方差矩阵，vij是方差矩阵Vi中第j个像素对应的方差向量，T代表输入图像的像素数量；3通过约束损失函数增大图像特征中外围像素的方差；其中，对图像特征fi的第j圈的像素构建的约束损失函数如下所示： 其中，α为设定的增大比例值，nj代表以图像特征中心像素点为第1圈时第j圈像素的数量；4利用蒙特卡洛策略对图像特征的每个像素点进行采样，令采样得到的每个样本的类别标签与图像特征的中心像素点的类别标签相同；5利用采样得到的样本计算样本间的匹配概率，得到样本所属像素之间的匹配概率，计算像素间的概率化对比损失函数；对于任意两个样本zi和zj，匹配概率计算表达式如下：pzi，zj＝σ-aDij+b 其中，Dij是样本zi和zj之间的欧氏距离，a0和b为代表欧式距离阈值的参数；计算样本所属像素之间的匹配概率，表达式如下： 其中，p1和p2是图像特征中任两个像素点，是像素点p1第k1次的采样样本，是像素点p2第k2次的采样样本，K是采样次数；计算像素间的概率化对比损失函数： 式中，match表示该两个像素点属于同一类别；6利用softmax函数进行分类；计算图像xi对应每个类别的概率值： 其中，k代表第k个类别标签，flMi代表对均值矩阵Mi的线性映射，使Mi的维度等于类别总数，flMik代表flMi中的第k个分量值，yi代表xi的分类结果，N代表类别总数；7计算当前训练的交叉熵损失函数： 得到高光谱分类优化目标如下所示：JPDML＝Jdist+λ3Jce其中， 其中，λ1、λ2和λ3为用来平衡各损失函数对于总体优化目标的影响的系数，B为每次通过神经网络的批数据量，s为输入图像的边长；8利用步骤7得到的高光谱分类优化目标结果迭代更新当前卷积神经网络、均值网络和方差网络，训练集中所有图像输入一轮后完成一次训练，当达到设定的最大训练次数时，训练结束，得到训练完毕的卷积神经网络、均值网络和方差网络。

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清华大学，其通讯地址为：100084 北京市海淀区清华园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”。