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！

龙图腾网获悉西安邮电大学申请的专利一种基于相似性矩阵块对角划分的高光谱波段选择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：CN116258882B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202310061863.9，技术领域涉及：G06V10/762；该发明授权一种基于相似性矩阵块对角划分的高光谱波段选择方法是由李淑英;刘喆设计研发完成，并于2023-01-19向国家知识产权局提交的专利申请。

本一种基于相似性矩阵块对角划分的高光谱波段选择方法在说明书摘要公布了：本发明涉及高光谱波段选择方法，具体涉及一种基于相似性矩阵块对角划分的高光谱波段选择方法，用于解决现有基于图的聚类算法均是在固定的输入数据图上进行聚类，以及需要后处理来提取聚类指标的不足之处。该基于相似性矩阵块对角划分的高光谱波段选择方法包括构建初始亲和矩阵、构造块对角相似性矩阵和选择代表性波段；本发明允许在聚类过程中对高光谱图像本身进行自适应调整，从而生成高质量的相似图；首先，通过计算高光谱图像中波段之间的距离来学习精确的亲和矩阵，构造包含有序划分点的块对角相似性矩阵，同时将波段划分为多个子块矩阵；最后，提出了一种基于波段间线性组合的代表性波段选择方法。

本发明授权一种基于相似性矩阵块对角划分的高光谱波段选择方法在权利要求书中公布了：1.一种基于相似性矩阵块对角划分的高光谱波段选择方法，其特征在于，包括如下步骤： 步骤1、构建初始亲和矩阵； 步骤1.1、将待处理高光谱图像的每个波段视为一个数据点，形成数据矩阵X＝{x1,x2,x3……xN}；其中，x1为第一个数据点，xN为第N个数据点，N为高光谱图像的数据点数量，N为大于1的正整数； 步骤1.2、通过计算数据点之间的距离学习初始亲和矩阵，得到每个数据点之间的亲和值，进而得到初始亲和矩阵A，具体通过下式实现： 其中，xi为第i个数据点，xj为第j个数据点，i，j为大于0小于等于N的正整数；为xi与xj之间的欧式距离，aij为xi与xj之间的亲和值；γ为用来调整正则化项的权重参数； 所述亲和值根据下式计算： 其中，为最优亲和值，m为近邻数，其中jh≤m， 步骤2、构造块对角相似性矩阵； 利用初始亲和矩阵A学习，并在学习过程中加入秩约束，最终得到块对角相似性矩阵S＝[S1,S2...,Sk]；其中，S1为第一个子块矩阵，Sk为第k个子块矩阵，kN，具体通过公式一实现： 其中，是为了使得块对角相似性矩阵S能够更好地逼近亲和矩阵A所设置的最小化问题，为F范数；为拉普拉斯矩阵的k个最小的特征值之和,目的是使得到的相似性矩阵S包含k个子块矩阵，λ是所述最小化问题的一个平衡参数； 步骤3、选择代表性波段； 从块对角相似性矩阵S中提取各子块矩阵，通过字典学习得到各子块矩阵对应的系数矩阵，选择各系数矩阵列之和最大值对应的波段作为每个子块矩阵的代表性波段，所有代表性波段形成代表性波段集，具体通过公式二实现： 其中，是为了进行字典学习而设置的最小化问题，其中si2为子块矩阵Si2的列向量，Si2为第i2个子块矩阵，i2为大于0小于等于k的正整数，ci2是需要得到的系数向量，||ci2||1是为了能够得到更加稀疏的系数矩阵而设置的正则化项；δ是稀疏正则项参数。

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邮电大学，其通讯地址为：710121 陕西省西安市长安区韦郭路西安邮电大学；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”。