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！

龙图腾网获悉哈尔滨理工大学申请的专利基于多尺度超像素节点聚合图卷积残差网络的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：CN116758349B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202310715371.7，技术领域涉及：G06V10/764；该发明授权基于多尺度超像素节点聚合图卷积残差网络的高光谱图像分类方法是由李骜;孙悦恭;王泽宁;程媛设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本基于多尺度超像素节点聚合图卷积残差网络的高光谱图像分类方法在说明书摘要公布了：本发明公开了一种基于多尺度超像素节点聚合图卷积残差网络的高光谱图像分类方法，属于图像分类技术领域，该方法构建了多尺度超像素模块，利用节点聚合操作，在多个尺度上构建不同的图，不仅可以减轻大图带来的计算负担，而且可以从不同角度描述类别边缘区域，提高边缘分类的准确性；构建了端到端的图卷积残差网络模块，能够更深入地挖掘了数据的潜在特征；设计了一个minibatch方案的图卷积残差网络以进一步考虑计算成本，并且加快网络收敛。基于多尺度超像素节点聚合图卷积残差网络的高光谱图像分类方法，根据不同尺度的超像素信息，探讨了不同区域的特征结构，增强了模型空谱特征的提取，与其他方法相比，精确度更高，性能更加稳健。

本发明授权基于多尺度超像素节点聚合图卷积残差网络的高光谱图像分类方法在权利要求书中公布了：1.一种基于多尺度超像素节点聚合图卷积残差网络的高光谱图像分类方法，其特征在于，所述方法包括步骤： 1构建多尺度超像素模块 1a对原始数据集进行主成分分析生成实验数据，提取实验数据第一维度特征进行多尺度超像素分割，生成多个尺度的超像素信息，尺度越大表示分割后超像素数量越多； 1b将实验数据和标签数据划分为训练集和测试集； 2构建节点聚合模块 2a输入训练集，将同尺度下处于相同超像素块内的像素节点进行聚合操作，生成一个节点级特征；其他超像素块操作相同，最后生成的节点级特征数量与超像素块数量一致，其他尺度的聚合操作也相同，换言之多个尺度的超像素信息对应生成多个尺度的节点级特征； 2b根据节点级特征构造邻接矩阵，准备好每个尺度的节点级特征和邻接矩阵作为网络输入； 3构建多尺度图卷积残差网络模块 3a为每个尺度构造一个图卷积残差网络分支，该网络由三层GCRN组成，GCRN包含图卷积模块和残差项两部分组成，图卷积模块由BN层、GCN层、BN层和RELU层相连而成，残差项是将第一个BN层的输入与RELU层的输出在特征维度进行拼接操作；其中最大尺度不同于其他尺度，采用minibatch方法构建图卷积残差网络，采用小批量策略，每次只输入部分样本和对应的子邻接矩阵；将不同尺度的节点级特征和邻接矩阵输入到对应的网络分支中，得到网络输出特征； 3b对网络输出特征进行扩散操作，还原到聚合前的维度大小，生成像素级特征，再将每个尺度的像素级特征合并成一个最终用于分类的特征； 3c将用于分类的特征送入softmax分类模块进行分类，得到预测标签； 4构建以交叉熵函数为基础的损失函数计算损失值，进行网络训练，直至损失值最小，网络收敛； 5将测试集传入节点聚合模块，在通过图卷积残差网络模块，得到分类结果，计算分类精度。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区；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”。