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！

龙图腾网获悉西安交通大学申请的专利一种高光谱图像分类方法、系统、设备及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：CN116152556B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310116664.3，技术领域涉及：G06V10/764；该发明授权一种高光谱图像分类方法、系统、设备及存储介质是由徐亦飞;王优;严实;刘汕;李斌;杨得焱;尉萍萍;余乐设计研发完成，并于2023-02-14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、系统、设备及存储介质在说明书摘要公布了：本发明公开了在一种高光谱图像分类方法、系统、设备及存储介质，包括以下步骤：对获取的高光谱图像进行初步特征提取，将提取的初步特征输入到多尺度空间光谱特征提取模型中，获取包含不同尺度空间信息和光谱信息的特征图；对不同尺度空间信息和光谱信息的特征图进行高级特征提取，获取高光谱图像的全局上下文表示；将获取的全局上下文表示输入到双解码器中进行特征恢复，同时构建双解码器损失函数，计算高光谱图像中标记样本的监督损失和无标记样本的无监督损失以及所有样本的一致性损失，通过分类模块输出高光谱图像的分类结果，通过利用少量标记数据和大量无标记数据解决了监督模式下训练样本不足造成的过拟合问题以及无监督模式下的精度低的问题；也解决了高光谱数据的光谱和空间信息难以充分利用的问题。

本发明授权一种高光谱图像分类方法、系统、设备及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，包括以下步骤： S1：对获取的高光谱图像进行初步特征提取； S2：将提取的初步特征输入到多尺度空间光谱特征提取模型中，获取包含不同尺度空间信息和光谱信息的特征图； S3：对不同尺度空间信息和光谱信息的特征图进行高级特征提取，获取高光谱图像的全局上下文表示； S4：将获取的全局上下文表示输入到双解码器中进行特征恢复，同时构建双解码器损失函数，计算高光谱图像中标记样本的监督损失、无标记样本无监督损失以及所有样本的一致性损失，并通过分类模块输出高光谱图像的分类结果； 所述步骤S2包括以下步骤： 将提取的初步特征输入到基于膨胀卷积的多尺度空间光谱特征提取模型DMS中，在DMS模型中，基于不同膨胀率的膨胀卷积构建不同尺度的空间关系，获取不同尺度的空间特征； 将不同尺度的空间特征融合，并将融合后的空间特征输入到通道感知注意模块，获取特征的光谱信息，将获取的空间特征和光谱信息与输入特征进行加权，使输出的特征与输入特征大小相同； 所述步骤S3包括以下步骤： 通过Transformer模型对不同尺度空间信息和光谱信息的特征图进行高级特征提取，包括采用三个SwinTransformerBlock，并将每一层的输出通过1×1卷积层、组归一化层和ReLu激活函数和对应层的解码器进行加权，获取高光谱图像的全局上下文表示，即高级语义特征； 所述步骤S4包括以下步骤： 所述双解码器包括采用采用双线性插值的解码器一和采用转置卷积的解码器二结合处理，对高光谱图像中的标记样本和无标记样本进行特征恢复； 将双线性插值解码器输出的特征输入至分类模块中，获取图像的分类结果； 所述步骤S4还包括以下步骤： 所述双解码器损失函数包括监督损失、无监督损失和双解码器一致性损失； 对于标记样本，通过双线性插值解码器的输出特征输入到分类模块中，将分类模块输出的结果与标签采用交叉熵损失函数计算得到标记样本的监督损失； 对于无标记样本，将转置卷积解码器中每一层上采样的输出进行预测，并且处理成和输入特征的大小相同，将每个预测结果与预测结果的平均值的度量作为无监督损失； 对于所有的样本，将双线性插值的解码器和转置卷积的解码器输出的预测结果的一致性度量作为双解码器一致性损失，将监督损失、无监督损失和双解码器一致性损失加权作为双解码器损失。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。