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！

龙图腾网获悉南京理工大学申请的专利基于多尺度内卷网络的高光谱图像分类的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：CN114494846B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202111556994.1，技术领域涉及：G06V10/764；该发明授权基于多尺度内卷网络的高光谱图像分类的方法是由张安迪;刘芳;刘嘉;肖亮;徐洋;杨劲翔;郜文菲设计研发完成，并于2021-12-18向国家知识产权局提交的专利申请。

本基于多尺度内卷网络的高光谱图像分类的方法在说明书摘要公布了：本发明公开了一种基于对尺度内卷网络的高光谱图像分类的方法，该方法包括：对原始高光谱数据进行最大最小归一化；构建自适应光谱去噪网络提纯归一化后的数据；构建空间卷积子网络与内卷子网络，并在网络中嵌入Dropblock模块提高网络泛化能力；构建自编码器模块，并将重建损失施加正则化以保持图像原本特征；融合空间卷积子网络与内卷子网络，并同时训练自编码器模块，最终得到分类识别结果。本发明构建的内卷网络更加关注于高光谱数据的光谱特征，并且融合了空间卷积网络以完善模型的空间特征提取能力，同时引入的Dropblock模块更进一步地提高了模型的泛化性，而自编码器模块能够保持重建图像的质量。

本发明授权基于多尺度内卷网络的高光谱图像分类的方法在权利要求书中公布了：1.一种基于多尺度内卷网络的高光谱图像分类的方法，其特征在于，包括以下步骤： 1对原始高光谱图像数据集进行最大最小归一化； 其中，归一化后的高光谱图像记作I，I的大小为H×W×C,H和W表示高光谱图像的长度和宽度，C为高光谱图像的光谱数，高光谱图像的类别数记为M； 2构建自适应的光谱去噪网络，即通过若干批归一化层、卷积层、池化层，使最后一层的特征图数量小于归一化后的高光谱图像通道数，自适应学习对当前任务有效的光谱信息； 其中，经过去噪网络后的特征图记为I1，大小为H×W×C1，C1＜C，C1为经过去噪网络后的特征图的光谱数； 3构建多尺度内卷子网络，即为I1中每一个光谱向量构造不同尺度邻域空间其中s≥1；再通过1×1的小卷积核压缩光谱向量，压缩后的光谱向量记为T，其中T的通道大小与邻域空间一致，为s×s；将T沿着通道方向展开至平面，即得到多个尺度的内卷核；将内卷核与光谱向量的邻域空间进行乘法运算，然后对区域信息求和，得到光谱相关的特征，最后融合多个尺度的输出特征，记为I11； 4构建空间卷积子网络，即通过采用多个三维卷积核，提取特征图I1的深层空间信息，同时在网络中嵌入Dropblock块，以概率p丢弃特征图中K×K×R大小的邻域空间像素点；I1经过空间卷积子网后的得到的特征图记为I12； 5融合由多尺度内卷子网提取到的光谱特征I11，以及空间卷积子网络提取到的空间特征I12；融合后的特征记为I2；对I2使用Softmax函数，将特征提取的结果转化为概率分布；采用交叉熵作为融合网络的损失函数，计算预测结果与地物标签之间的差值L1； 6构建自编码器，即采用三维卷积核，将I1的特征信息进行编码和解码以重构图像，重构图像记作选择均方误差作为自编码器的损失函数，I和之间的损失值记作L2； 7计算总损失，即将L1作为主损失，用于得到精细化的空谱特征，同时L2作为正则化项，以保持图像的重建质量，防止中间特征偏离原本的分布；总损失记为L，L＝L1+L2，用于训练网络，并将训练好的网络为待分类的样本打上标签。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。