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！

龙图腾网恭喜大连民族大学申请的专利一种基于深度学习的空谱联合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：CN118587482B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202410640445.X，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的空谱联合高光谱图像分类方法是由王立国;马博然;王恒;刘丹凤设计研发完成，并于2024-05-22向国家知识产权局提交的专利申请。

本一种基于深度学习的空谱联合高光谱图像分类方法在说明书摘要公布了：本发明提出了一种基于深度学习的空谱联合高光谱图像分类方法，包括：对高光谱图像数据进行数据预处理；利用卷积神经网络，建立基于双分支多尺度空谱特征融合与注自意力机制的原始高光谱图像分类模型；基于预处理后的所述高光谱图像数据，对所述原始高光谱图像分类模型进行训练，获取高光谱图像分类模型；利用所述高光谱图像分类模型，对整体高光谱图像像素类别进行分类。本发明提出了可以进行高效率空谱联合特征提取和空间信息提取的双分支多尺度空谱信息特征融合方法；提出了加强所述模型显著特征提取能力的自注意力机制；提出了加强特征复用能力的深度特征融合策略，与现有技术相比，能够显著提升分类精度。

本发明授权一种基于深度学习的空谱联合高光谱图像分类方法在权利要求书中公布了：1.一种基于深度学习的空谱联合高光谱图像分类方法，其特征在于，包括： 对高光谱图像数据进行数据预处理； 利用卷积神经网络，建立基于双分支多尺度空谱特征融合与注自意力机制的原始高光谱图像分类模型； 基于预处理后的所述高光谱图像数据，对所述原始高光谱图像分类模型进行训练，获取高光谱图像分类模型； 利用所述高光谱图像分类模型，对整体高光谱图像像素类别进行分类； 对高光谱图像数据进行数据预处理包括： 将高光谱图像数据通过注意力系数加权转化为紧凑表示； 将转化为紧凑表示后的图像数据，切分为若干补丁；其中，每个补丁包括待分类像元的光谱信息，还包含像元在周围预设距离内的空间信息； 将高光谱图像数据通过注意力系数加权转化为紧凑表示包括： 获取高光谱图像数据中波段之间的海林格距离； 基于所述海林格距离，获取波段的注意力系数； 将全波段的所述注意力系数，转化为列向量表示； 将所述列向量表示，转化为所述紧凑表示； 所述原始高光谱图像分类模型包括：密集双分支金字塔特征提取模块、空间特征提取器和分类器； 所述密集双分支金字塔特征提取模块，用于提取高光谱图像数据的多尺度空间-光谱特征信息； 所述空间特征提取器，用于根据所述尺度空间-光谱特征信息，生成最终的特征图； 所述分类器，用于基于所述最终的特征图，进行高光谱图像像素类别的分类； 所述密集双分支金字塔特征提取模块包括：空谱联合特征提取分支和谱间特征提取分支； 所述空谱联合特征提取分支，用于提取高光谱图像数据的空间和谱间特征信息； 所述谱间特征提取分支，用于提取高光谱图像数据的光谱特征信息； 所述密集双分支金字塔特征提取模块将空间和谱间特征信息、光谱特征信息进行通道级融合，获取所述多尺度空间-光谱特征信息； 所述空谱联合特征提取分支，包括密集连接的卷积核大小依次为7×3×3、5×3×3、3×3×3的3D卷积块； 所述谱间特征提取分支，包括密集连接的卷积核大小依次为7×1×1、5×1×1、3×1×1的3D卷积块。

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大连民族大学，其通讯地址为：116600 辽宁省大连市金普新区辽河西路18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”。