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！

龙图腾网获悉大连理工大学申请的专利一种基于多元互学习网络的高光谱图像迁移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：CN119851038B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510048674.7，技术领域涉及：G06V10/764；该发明授权一种基于多元互学习网络的高光谱图像迁移分类方法是由马晓瑞;褚进龙;谌敦斌;杜贞容设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种基于多元互学习网络的高光谱图像迁移分类方法在说明书摘要公布了：本发明提供一种基于多元互学习网络的高光谱图像迁移分类方法，属于遥感图像处理与应用技术领域。首先，采集不同区域的高光谱图像各两张分别作为源域和目标域，并提取数据集特征；其次，利用自适应邻域搜索方法寻找目标域样本最相似的邻居，利用跨域流形混合方法来增强网络对未知类别的识别能力；再次，利用已知类分类器网络来输出目标样本可能属于的标签类别；最后，利用未知类分类器网络来对已知类分类器网络输出的结果进行打分。本发明能够解决现有高光谱图像分类技术难以跨数据、跨任务迁移的问题；能够实现不同空谱分辨率、不同光谱范围、以及不同任务覆盖的高光谱图像之间的信息共享与传递，为持续的高光谱图像分类提供有效解决方案。

本发明授权一种基于多元互学习网络的高光谱图像迁移分类方法在权利要求书中公布了：1.一种基于多元互学习网络的高光谱图像迁移分类方法，其特征在于，所述的高光谱图像迁移分类方法首先，使用光谱仪采集不同区域的高光谱图像各两张分别作为源域和目标域，其次，使用基于通道注意力的卷积神经网络提取数据集特征，其次，利用自适应邻域搜索方法寻找目标域样本最相似的邻居，利用跨域流形混合方法来增强网络对未知类别的识别能力，再次，利用已知类分类器网络来输出目标样本可能属于的标签类别，最后利用未知类分类器网络来对已知类分类器网络输出的结果进行打分，分数高于阈值的归为已知类别，低于阈值的将其识别为未知类； 所述的高光谱图像迁移分类方法具体包括以下步骤： 步骤1，选取两张包含相同标签类别的高光谱图像；选取其中一张高光谱图像作为源数据集，定义为源域；选取另一张高光谱图像作为目标数据集，定义为目标域；所述源域数据集作为训练网络的数据集，目标域数据集作为测试使用数据集；读取源域的数据和目标域的数据，并对源域数据和目标域数据进行预处理； 步骤2，将步骤1中预处理后得到的源域和目标域的高光谱数据分别输入到基于通道注意力的特征提取网络，分别得到源域数据和目标域数据的特征向量； 步骤3，利用步骤2中的提取的目标域中的光谱特征，输入相似度计算网络，计算目标样本的邻域相似度，首先维护目标域数据内存库，每个批量训练后进行更新，并对特征进行L2归一化，输入样本和目标域中的第个样本之间的邻域相似度通过内积计算； 步骤4，同时，基于跨域流形混合方法，在源域和目标域之间构建混合样本以模拟潜在的未知类别样本；将步骤2中提取的源域和目标域特征向量通过特征混合网络进行插值混合；结合Beta分布，利用步骤2中的源域数据的特征和目标域数据的特征向量生成混合特征向量，所述生成混合特征向量的公式为： ，其中表示混合特征向量；表示插值因子；表示源域数据的特征向量；表示源域数据；表示目标域数据的特征向量；表示目标域数据； 步骤5，将步骤3得到的邻域相似度和步骤4中混合特征向量输入到已知类分类器网络进行训练，输出训练样本在所有已知类别上的最大概率分布类别； 步骤6，将步骤5的输入结果输入到未知类分类器网络进行训练；联合优化已知类分类器网络和未知类分类器网络的决策结果，进行一致性约束，利用已知类分类器网络的高置信度决策来指导未知类分类器网络的优化；所述未知类分类器网络同样由多个二分类器构成，二分类器网络的数目与源域高光谱图像的标签类别数相同；使用开集熵最小化损失和跨域损失训练未知类分类器网络；通过最小化跨域损失函数，使得混合样本的正类得分降低； 步骤7，测试阶段，具体的： 步骤7.1，使用步骤2中的特征提取网络，提取目标域样本特征向量； 步骤7.2，使用步骤7.1的目标域样本特征向量到已知类分类器网络，输出每一个样本所输出的最大概率类别标签； 步骤7.3，根据步骤7.2标签预测结果选择相应的未知类分类器网络，并记录未知类分类器网络输出的正分数； 步骤7.4，将步骤7.3的输出的正分数与阈值比较；若该样本的未知类分类器网络输出得分低于阈值，则标记为未知类，输出未知类标签；否则保持初步预测的已知类别，输出对应地已知类标签； 所述的步骤6中： 所述开集熵最小化损失的公式为： ，其中，K表示源域类别数量；表示未知类分类器网络输出的概率；表示源域已知类别的标签索引；表示目标域无标签的数据；表示未知类分类器网络对第类的正类分数； 所述的跨域损失的公式为：，其中，表示源域数据；表示源域数据标签；目标域数据；表示混合特征向量。

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理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。