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！

龙图腾网获悉重庆邮电大学申请的专利一种基于字典优化的核联合稀疏表示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：CN114283333B 。

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：202111568513.9，技术领域涉及：G06V20/10；该发明授权一种基于字典优化的核联合稀疏表示高光谱图像分类方法是由陈善学;张欣设计研发完成，并于2021-12-21向国家知识产权局提交的专利申请。

本一种基于字典优化的核联合稀疏表示高光谱图像分类方法在说明书摘要公布了：本发明涉及遥感图像处理技术领域，特别涉及一种基于字典优化的核联合稀疏表示高光谱图像分类方法，包括提取高光谱图像的主成分特征图并进行基于重建的形态学处理；对形态学处理后的图像进行超像素分割；提取LBP纹理特征，将每块超像素中间的特征位置的像素作为字典备选子集；在每一类字典备选子集中，令每个像素都作为字典，计算该类字典备选子集中其他像素的残差并求平均值按升序排列，前5％平均值对应的像素组成优化后的字典子集；在超像素边缘和固定邻域双重约束下使用核联合稀疏表示方法获得图像的分类结果；本发明可有效提升图像分类精度。

本发明授权一种基于字典优化的核联合稀疏表示高光谱图像分类方法在权利要求书中公布了：1.一种基于字典优化的核联合稀疏表示高光谱图像分类方法，其特征在于，包括以下步骤： S1.输入高光谱图像，采用主成分分析法提取高光谱图像的第一主成分特征图，在第一主成分特征图上提取LBP纹理特征； S2.提取LBP纹理特征后，对第一主成分特征图进行基于重建的形态学处理，对形态学处理后的图像进行超像素分割，得到多块超像素； S3.将每块超像素中间的LBP纹理特征位置的像素作为字典备选子集； S4.字典备选子集中的所有像素都作为字典，计算该字典备选子集中所有字典的残差平均值并按从小到大的顺序排列，选择前5％的残差平均值对应的像素形成优化后的字典子集，将所有的字典子集组成字典集； S5.在超像素边缘和固定邻域双重约束下获得中心像素的自适应邻域集，使用核化的正交匹配追踪方法计算自适应邻域子集对应的稀疏系数子集，根据计算的稀疏系数子集重构误差，通过重构误差结果获得高光谱图像的分类结果； 超像素中的所有像素依次作为中心像素，在超像素边缘和固定邻域双重约束下获得中心像素的自适应邻域集，包括： S21.选取超像素的一个像素作为中心像素，获取当前中心像素的n×n邻域像素集； S22.判断中心像素的色标与邻域像素集中的邻域像素的色标是否相同； S23.若相同，则符合双重约束，并计算当前邻域像素与当前中心像素的相似度，若不同，则不符合双重约束，选取下一个邻域像素返回步骤S22； S24.所有邻域像素的判断完成后，计算满足双重约束的邻域像素的权值，若权值大于设置的权值阈值，则记录该邻域像素； S25.将所有记录的邻域像素组成当前中心像素的自适应邻域像素子集YSA； S26.选取超像素中的下一个像素作为中心像素，并获取其邻域像素子集，返回步骤S22； S27.得到所有像素作为中心像素时的自适应邻域像素子集，将其组成自适应领域集； 自适应邻域子集对应的稀疏系数子集ASA＝[α1,...,αcnt]，对稀疏系数子集进行优化，优化公式为： 采用高斯核函数进行计算，则表示为： 其中，K表示稀疏水平，表示优化后的稀疏系数子集，K表示高斯核函数，YSA表示自适应邻域子集，D表示字典集，表示稀疏系数子集ASA的转置矩阵； 根据优化的稀疏系数子集重构误差，重构误差表示为： 重构误差中最小值对应的字典类型即为高光谱图像所属分类，表示为： classyct＝argmini＝1,...,Cγiyct； 其中，γi表示重构误差，K表示高斯核函数，C表示字典类型，yct表示自适应邻域子集的中心像素，YSA表示自适应邻域子集，Di表示第i类字典，表示优化后的第i个自适应邻域子集对应的稀疏系数子集。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。