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！

龙图腾网获悉重庆大学申请的专利多尺度孪生高光谱目标探测方法及系统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：CN119295937B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411392320.6，技术领域涉及：G06V20/10；该发明授权多尺度孪生高光谱目标探测方法及系统是由田小瑜;罗甫林;付川;郭坦;石光耀;段宇乐设计研发完成，并于2024-10-08向国家知识产权局提交的专利申请。

本多尺度孪生高光谱目标探测方法及系统在说明书摘要公布了：发明涉及一种多尺度孪生高光谱目标探测方法及系统，属于深度学习技术领域。该方法包括以下步骤：S1：高光谱图像初始目标和背景数据准备；S2：对高光谱遥感图像进行对抗性样本生成，获得训练样本数据；S3：将生成的样本输入多尺度孪生目标探测网络进行训练；S4：训练完成后对测试样本进行目标探测获得结果。本发明所述方法的性能优于其他的高光谱图像目标探测方法，本方法可以生成数量更加充足且更具多样性的训练样本，并且在背景抑制方面比其他方法具有优势。

本发明授权多尺度孪生高光谱目标探测方法及系统在权利要求书中公布了：1.一种多尺度孪生高光谱目标探测方法，其特征在于，包括以下步骤： S1：高光谱图像初始目标和背景数据准备； S2：对高光谱遥感图像进行对抗性样本生成，获得训练样本数据； S3：将生成的样本输入多尺度孪生目标探测网络进行训练； S4：训练完成后对测试样本进行目标探测获得结果； 在步骤S2中，在生成目标样本的阶段，将目标先验t以及背景样本xb分别输入生成器G1、判别器D1，接着生成的目标样本再次输入解码器De1得到t′，再和原始的目标先验一起输入判别器D2进行判别，实现对抗性生成，同样的，在生成背景样本的阶段，将初始背景样本b以及生成的目标样本t′分别输入生成器G1′、判别器D1′，接着生成的背景样本再次输入解码器De2得到b′，再和初始背景样本一起输入判别器D2′进行对抗性生成，最后，生成的目标t′和背景样本b′组成训练样本；具体包括： 首先，将已有的目标先验t输入到生成器G1中，然后通过编码器将t映射到潜在空间，得到其压缩的潜在特征tz；随后，将tz输入解码器De1，生成具有相似特征的新目标样本t′，对生成的目标样本t′引入高斯噪声干扰，这些被扰动和多样化的样本被用来作为训练的新目标输入，重复这个过程，直到生成足够数量的目标样本；然后，利用主成分分析PCA对与先验目标t余弦相似度较低的光谱进行处理，使之成为背景样本xb，降低背景样本的维数，以匹配tz的维数，随后，将背景样本xb和潜在特征tz输入判别器D1进行目标-背景对抗训练，在此过程中，两个生成器对应于两个判别器，并采用对抗性训练来实现目标-背景的对抗性生成，判别器D1对应于生成器G1，而判别器D2对应于由G1和解码器De1组成的生成器G2；在训练过程中，生成器G1的目标是提取目标光谱的潜在特征tz，为确保目标光谱更好地代表真实数据的分布，将潜在特征tz和背景光谱输入到判别器网络D1中，对判别器D1进行优化，以最大限度地区分目标潜在特征tz和背景样本，同时，来自判别器的反馈驱动生成器G1不断优化其参数： 其中，Ex～px[fx]表示变量x服从概率密度函数分布的情况下，函数fx的期望值； 生成器G2的目标是生成类似于真实目标光谱的样本，同时，判别器D2的目标是区分生成器G2产生的目标光谱和真实的目标光谱，G2和D2之间的对抗损失公式表述如下： 同上，Et～pt[ft]表示变量t服从概率密度函数分布的情况下，函数ft的期望值； 此外，计算生成的目标与目标先验之间的差值，并利用均方误差损失来量化这种差值，通过最小化这个损失函数，生成器G2调整其参数以近似其输出，使其更接近输入的目标样本： 最终，通过对抗性训练，生成器G2能够生成与背景样本明显不同的目标样本t′。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。

以上内容由龙图腾AI智能生成。