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！

龙图腾网获悉苏州大学申请的专利基于自适应L-BFGS算法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：CN115937565B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202210133932.8，技术领域涉及：G06V10/764；该发明授权基于自适应L-BFGS算法的高光谱图像分类方法是由黄鹤;于文博;王俊设计研发完成，并于2022-02-14向国家知识产权局提交的专利申请。

本基于自适应L-BFGS算法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自适应L‑BFGS算法的高光谱图像分类方法，利用卷积层和长短期记忆网络层提取像元空间特征，并将其与光谱特征相融合，最终实现分类的目的，同时采用改进二阶优化算法对网络模型进行参数更新与优化，解决了该应用场景下样本数目过多、数据量过大、参数难以更新等问题，提升了算法的收敛速度，解决了算法容易陷入局部最优点的问题。本发明将像元在局部空间的排列作为连续信息，利用长短期记忆网络层对其进行特征提取，保障了高光谱图像像元特征的多样性，有助于分类效果的提升。本发明将空谱特征利用拼接操作进行融合，实现多模态学习的目的。

本发明授权基于自适应L-BFGS算法的高光谱图像分类方法在权利要求书中公布了：1.基于自适应L-BFGS算法的高光谱图像分类方法，其特征在于，包括如下步骤： S10：数据预处理： 获取高光谱图像的像元数据及对应的空间数据形成输入样本二和输入样本一； 将输入样本一和输入样本二分别打乱，从每个输入样本中抽取部分形成训练样本一和训练样本二； S20：构建深度网络模型： 深度网络模型包括空间特征提取模块一、空间特征提取模块二、光谱特征提取模块和分类模块，利用卷积层和长短期记忆网络层分别对空间特征提取模块一、空间特征提取模块二处理得到第一输出和第二输出，利用全连接层对光谱特征提取模块处理得到第三输出，对输出结果进行融合； 将融合结果输入分类模块，得到第四输出； S30：训练网络模型： 每次从训练样本一和训练样本二中选取小批量训练样本一和小批量训练样本二，将小批量训练样本一作为空间特征提取模块一、将小批量训练样本一进行变换作为空间特征提取模块二、将小批量训练样本二作为光谱特征提取模块输入到步骤S20的深度网络模型中，得到全部输出，并根据上述输出计算损失函数L； 损失函数的计算公式为：L＝Lcls+LKL1+LKL2+LKL3，其中： Lcls＝CrossEntropyOutput，l； ； ； ； ∑·为将括号内的内容全部加在一起，l是样本标签的独热码，尺寸为1×c，其中只有一个位置数值为1，其他位置数值均为0，Lcls利用交叉熵计算最终分类精度，LKL1利用光谱角距离计算第一输出和第三输出之间的光谱相似性，LKL2利用光谱角距离计算第二输出和第三输出之间的光谱相似性，LKL3利用光谱角距离计算第一输出和第二输出之间的光谱相似性； 利用L-BFGS算法，对网络参数进行训练，直至网络收敛；训练过程中，自适应选择K*个记忆尺度，其中K*＝argmin1≤K≤M{QK}， ； 训练过程中，根据K*个记忆尺度，计算出K*个方向并以混合方向作为搜索方向； 训练过程中，深度网络模型中的参数根据下式进行更新： xt+1＝xt+μt⊙dt； 其中，μt为步长即学习率，；且；β是衰减率，η是初始步长，ε是常数； S40：生成分类结果： 基于训练好的深度网络模型，将输入样本一和输入样本二进行输入，得到所有高光谱像元的类别标签。

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苏州大学，其通讯地址为：215000 江苏省苏州市吴中区石湖西路188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”。