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一种基于多视图图细化的不完全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：CN119313940B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411287305.5，技术领域涉及：G06V10/764；该发明授权一种基于多视图图细化的不完全高光谱图像分类方法是由王辉兵;刘倩;崔路岩;张吉庆;米泽田;付先平设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种基于多视图图细化的不完全高光谱图像分类方法在说明书摘要公布了：本发明公开了一种基于多视图图细化的不完全高光谱图像分类方法，包括：获取给定的不完全高光谱数据；引入误差矩阵对所述不完全高光谱数据进行恢复；利用基于图细化的张量模块从原始视图中分离冗余信息；对特征图施加语义一致性约束；通过对每个特征图进行自加权融合，得到统一的亲和图；将图细化的张量模型、语义一致性约束和自加权融合模块归纳至统一框架中，引入辅助变量从而构建优化目标函数，并对所述目标函数进行求解；通过对共识表示进行K‑means聚类得到最终的聚类结果。本发明通过推断不完整视图的缺失特征，同时探索每个视图的高质量的特征图，分离冗余信息，并采用语义一致性约束和自加权模块得到统一的亲和图，从而提高图像分类精度。

本发明授权一种基于多视图图细化的不完全高光谱图像分类方法在权利要求书中公布了：1.一种基于多视图图细化的不完全高光谱图像分类方法，其特征在于，包括以下步骤： S1、获取给定的不完全高光谱数据，所述不完全高光谱数据包括在不同波段获取的高光谱图像样本； S2、引入误差矩阵对所述不完全高光谱数据进行恢复，获取具有完整维度的高光谱数据； S3、利用基于图细化的张量模块从恢复后的具有完整维度的高光谱数据中分离冗余信息，获得高质量的特征图，所述图细化的张量模块被设置为： 其中，λ1、λ2分别表示噪声稀疏项和冗余信息稀疏项的正惩罚参数，l表示高光谱样本矩阵数量，表示张量的张量Schattenp范数，p∈0,1]是幂参数，若给定h＝minn1,n2，是张量的第m个前向切片，是的第q个奇异值，张量的张量Schattenp范数定义为： 表示重建误差，Zv∈Rn×n表示第υ个波段的特征图，表示张量，Dv∈Rn×n表示第υ个波段提取的冗余信息矩阵，表示第υ个高光谱样本矩阵，dv是数据维度，n表示样本个数，表示误差矩阵，nv表示第υ个波段中缺失实例的数量，表示先验矩阵，用于保存第υ个波段的可用信息和缺失信息的位置，若第i个缺失样本是Xv中第j个实例，否则为0； S4、对特征图施加语义一致性约束来探索不同特征图之间的互补性和一致性； S5、通过自加权融合模块对每个特征图进行自加权融合，构建统一的亲和图； S6、将图细化的张量模型、语义一致性约束和自加权融合模块归纳至统一框架中，引入辅助变量从而构建优化目标函数； S7、利用迭代更新策略，在固定其他变量的同时，交替更新目标变量，直至目标函数收敛； S8、获取模型收敛后的统一的亲和图，对统一的亲和图R应用谱聚类技术来获得共识表示，通过对共识表示进行K-means聚类得到最终的聚类结果。

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 辽宁省大连市甘井子区凌水街道凌海路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”。

以上内容由龙图腾AI智能生成。