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！

龙图腾网获悉西安电子科技大学申请的专利基于贝叶斯层图卷积神经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：CN115393631B 。

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：202210928956.2，技术领域涉及：G06V10/764；该发明授权基于贝叶斯层图卷积神经网络的高光谱图像分类方法是由张明阳;狄子琦;蒋汾龙;公茂果;蒋祥明;武越;李豪;王善峰设计研发完成，并于2022-08-03向国家知识产权局提交的专利申请。

本基于贝叶斯层图卷积神经网络的高光谱图像分类方法在说明书摘要公布了：本发明涉及一种基于贝叶斯层图卷积神经网络的高光谱图像分类方法，包括：步骤1：获取高光谱图像数据集，对高光谱图像数据集进行预处理，之后按照预设比例划分得到训练集和测试集；步骤2：构建贝叶斯层图卷积神经网络；步骤3：利用训练集和测试集对贝叶斯层图卷积神经网络进行训练和测试，得到训练完成的贝叶斯层图卷积神经网络；步骤4：利用训练完成的贝叶斯层图卷积神经网络对待测高光谱图像的目标进行识别分类，得到识别结果。本发明的方法实现对遥感图像的高效率与高准确度分类，解决了遥感图像的分类领域的不确定性评估问题，实现了分类结果置信度的量化，解决了神经网络系统面对小样本目标时由于过拟合现象从而可能导致的漏警问题。

本发明授权基于贝叶斯层图卷积神经网络的高光谱图像分类方法在权利要求书中公布了：1.一种基于贝叶斯层图卷积神经网络的高光谱图像分类方法，其特征在于，包括： 步骤1：获取高光谱图像数据集，对所述高光谱图像数据集进行预处理，之后按照预设比例划分得到训练集和测试集；对所述高光谱图像数据集进行预处理，包括： 对每个所述原始高光谱遥感图像，利用超像素分割算法分割得到对应的超像素块； 对每个超像素块选择块内标签最多的种类作为该超像素块的类别标签，去除类别标签为背景的超像素块，得到表示地物类别的超像素块； 获取所述表示地物类别的超像素块的邻接矩阵； 构建所述表示地物类别的超像素块对应的特征向量，并根据所述特征向量和对应的类别标签，得到表示地物类别的超像素块对应的特征矩阵； 步骤2：构建贝叶斯层图卷积神经网络； 步骤3：利用所述训练集和所述测试集对所述贝叶斯层图卷积神经网络进行训练和测试，得到训练完成的贝叶斯层图卷积神经网络； 步骤4：利用训练完成的贝叶斯层图卷积神经网络对待测高光谱图像的目标进行识别分类，得到识别结果； 其中，所述高光谱图像数据集包括若干原始高光谱遥感图像，每个所述原始高光谱遥感图像包括多个识别目标以及目标对应的类别标签； 所述贝叶斯层图卷积神经网络包括级联的全连接模块、第一贝叶斯图卷积层模块、Dropout层、第二贝叶斯图卷积层模块和Softmax层；贝叶斯图卷积层模块包括级联的贝叶斯图卷积层、ReLU激活层和BN层；所述贝叶斯图卷积层为权重参数和偏置均以分布形式表示的全连接层；所述贝叶斯图卷积层用于根据权重参数对输入的矩阵进行加权计算之后与所述邻接矩阵进行卷积计算，得到空间融合特征矩阵。

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电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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”。