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！

龙图腾网恭喜浙江大学;嘉兴市恒创电力设备有限公司申请的专利一种结合随机遮挡和BYOL结构的高光谱图像分类方法及其装置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：CN115115878B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202210742447.0，技术领域涉及：G06V10/764；该发明授权一种结合随机遮挡和BYOL结构的高光谱图像分类方法及其装置是由黎金辉;厉小润;仇群辉;王晶设计研发完成，并于2022-06-27向国家知识产权局提交的专利申请。

本一种结合随机遮挡和BYOL结构的高光谱图像分类方法及其装置在说明书摘要公布了：本发明提供一种结合随机遮挡和BYOL结构的高光谱图像分类方法及其装置。首先采集高光谱数据；对高光谱数据进行预处理，包括PCA降维、切割补丁；对每一个补丁进行两次随机遮挡，并使用其他数据增强方法作为辅助，得到正样本对；设置超参数，将所有正样本对输入到BYOL网络训练，保存训练完成后的特征；将提取到的特征用于训练SVM模型并评价分类效果。装置包含采集单元和处理单元两部分。本发明解决了有监督学习高光谱分类依赖于标签数据和无监督学习分类精度不佳的问题，提出了结合随机遮挡和BYOL结构的高光谱图像分类方法，实现了一种基于光谱预处理、随机遮挡、BYOL光谱特征提取和SVM分类器的高光谱图像分类方法，精度可以超过大多现有方法。

本发明授权一种结合随机遮挡和BYOL结构的高光谱图像分类方法及其装置在权利要求书中公布了：1.一种结合随机遮挡和BYOL结构的高光谱图像分类方法，其特征在于，包括以下步骤：步骤1，采集高光谱数据选择合适的波长范围和分辨率，使用高光谱成像仪，对目标区域进行拍摄，并根据实地情况标注类别，将数据发送至处理单元；步骤2，图像预处理对原始高光谱数据用主成分分析PCA降维，并用滑窗分割图像补丁patch；步骤3，数据增强对每一个补丁进行两次随机遮挡，然后再采用辅助的数据增强方法进行数据增强，得到正样本对；所述的随机遮挡步骤如下：3.1设定遮挡矩形的面积；3.2设定长宽比，取在r到1r的随机值，r为用于设定长宽比阈值的参数，取0～1；3.3计算遮挡矩形长宽；3.4在补丁中随机选择矩形的起始点，用遮挡值替换原来像素上的值；所述遮挡值为取固定值或者在0～1之间变化的随机值，遮挡时需要保留补丁中心的像素以防遮挡关键信息；遮挡是对补丁的每一层同时进行的；步骤4，特征提取设置超参数，将所有正样本对输入到BYOL网络，训练BYOL网络，保存训练完成后的特征；其中，所述的超参数包括对比学习网络结构、分类网络结构、训练集与测试集划分比例、学习速率α、迭代次数epoch、批量大小batch-size；所述训练BYOL网络的具体实现方式为：BYOL网络由在线网络和目标网络组成，在线网络包括编码层、映射层、预测层三部分，目标网络包括编码层、映射层两部分；假设vi和vi’是补丁pi经过随机遮挡得到的正样本对，首先把vi输入到在线网络，vi’输入到目标网络；其中，vi经过在线网络编码层得到特征表征yθ，经映射层得到特征映射zθ，经预测层得到qθzθ；vi’经过目标网络编码层得到特征表征yξ’，经映射层得到特征映射zξ’；对qθzθ和zξ’进行L2正则化，含义为取出这两个隐含变量的绝对大小，而保留其方向性，为后面要做的向量点乘做铺垫；损失函数计算公式为： 其中，表示在线网络平均预测结果，表示目标网络平均映射特征，Lθ,ξ表示损失值，.表示点乘，||.||表示1范数；BYOL模型的目标是由上分支在线网络预测下分支目标网络的结果，其结果相似性由损失函数评估，并根据损失函数结果更新上分支在线网络的参数，让在线网络逐渐拥有目标网络的性能，目标网络由滑动平均的方式进行更新；由于Lθ,ξ是不对称网络得到的，为了充分利用样本信息，我们将样本对调后输入再求一个损失函数两者相加后即为对称损失，得到对称损失计算公式为： 其中，表示将vi和vi’替换位置输入到BYOL网络后得到的损失，即vi输入到目标网络，vi’输入到在线网络；BYOL模型的训练过程概括为：上分支参数：下分支参数：ξ←τξ+1-τθ其中，τ表示更新权重，η表示学习率，▽θ表示梯度；训练完成后，取上分支在线网络生成的特征表征yθ作为从该补丁pi中提取到的最终特征；步骤5，训练分类器将提取到的特征与标注的类别划分为训练集和测试集，训练集放入SVM模型训练，测试集评价分类效果；步骤6，采用训练好的SVM模型对待分类高光谱图像进行分类。

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浙江大学;嘉兴市恒创电力设备有限公司，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。