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！

龙图腾网获悉大连海事大学申请的专利基于深度多层次表示学习的高光谱图像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：CN115761256B 。

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：202211117906.2，技术领域涉及：G06V10/44；该发明授权基于深度多层次表示学习的高光谱图像波段选择方法是由王玉磊;马海朋;宋梅萍;于纯妍;张建祎设计研发完成，并于2022-09-14向国家知识产权局提交的专利申请。

本基于深度多层次表示学习的高光谱图像波段选择方法在说明书摘要公布了：本发明公开了一种基于深度多层次表示学习的高光谱图像波段选择方，该方法将自表达模型嵌入深度卷积自动编码器的不同层中，通过引入多层次表示学习来考虑高光谱图像的低级和高级信息，以学习信息更加丰富的子空间聚类表示，再对多层次表示学习构造了一个新的辅助自监督任务来进一步提高编码器的表示能力，然后设计融合模块用于融合多层表示学习不同层提取的多尺度信息，以学习更具区分性的自表达系数矩阵，并对自表达系数矩阵加入最大熵正则化来加强每个子空间内的连通性，以使同一子空间的元素均匀而密集地分布。该方法可以作为一种基于自监督深度多层次表示学习融合最大熵子空间聚类的高光谱图像波段选择有效手段，在高光谱图像分类、目标检测等方面具有重要的应用价值。

本发明授权基于深度多层次表示学习的高光谱图像波段选择方法在权利要求书中公布了：1.一种基于深度多层次表示学习的高光谱图像波段选择方法，其特征在于包括： 采用深度堆叠卷积自动编码器作为主干网络，采用该主干网络对高光谱图像的非线性特征进行学习、并提取高光谱图像的空间信息； 将自表达模型嵌入深度堆叠卷积自动编码器的不同层中、对主干网络进行多层次表示学习、组合高光谱图像的低级和高级信息从而生成多组区别矩阵和一致性矩阵； 采用多层次表示学习方法构建自监督辅助任务，对多层次表示学习的特征表示进行自监督学习； 将经过多层次表示学习得到的多组区别矩阵和一致性矩阵沿通道维度叠加获得堆叠矩阵，对堆叠矩阵采用卷积核进行通道融合学习得到一个更具区别性的自表达系数矩阵； 将所述自表达系数矩阵加入最大熵正则化约束条件； 将高光谱波段图像和选择的波段数输入至主干网络，计算主干网络的总损失函数，通过梯度方法对主干网络进行训练，使用标准的反向传播技术更新主干网络参数直到主干网络停止训练，从而获得主干网络的自表达系数矩阵； 根据自表达系数矩阵构造亲和力矩阵，采用谱聚类方式得到聚类结果，根据该聚类结果获得高光谱图像每个类别中的平均波段； 将所述平均波段作为聚类中心，计算每个波段到聚类中心的距离，其中离聚类中心最近的波段为所选择的波段子集。

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大连海事大学，其通讯地址为：116026 辽宁省大连市高新园区凌海路1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”。