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一种跨时相轻量化空谱特征融合高光谱变化检测方法、系统、设备及介质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：CN117115675B 。

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：202311115889.3，技术领域涉及：G06V20/13；该发明授权一种跨时相轻量化空谱特征融合高光谱变化检测方法、系统、设备及介质是由王佳宁;刘一琛;黄润虎;胡金雨;华筝设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种跨时相轻量化空谱特征融合高光谱变化检测方法、系统、设备及介质在说明书摘要公布了：一种跨时相轻量化空谱特征融合高光谱变化检测方法、系统、设备及介质，方法包括：对高光谱图像数据预处理，划分训练集和测试集；构建特征提取网络；构建分类网络；利用训练集，采用梯度下降算法对特征提取网络和分类网络进行训练，每次迭代对训练集精度计算，并将训练集上精度最高的一代网络模型权重为最终的检测模型权重，得到训练好的模型；将测试集输入训练好的模型进行测试，得到检测结果，并输出高光谱图像数据的预测标签图；系统、设备及介质，用于实现该方法；本发明从精细化特征提取和跨时相特征融合两方面，基于空谱特征提取和跨时相特征融合进行模型设计，利用轻量化方法简化模型，从而实现性能良好的轻量化高光谱图像变化检测方法。

本发明授权一种跨时相轻量化空谱特征融合高光谱变化检测方法、系统、设备及介质在权利要求书中公布了：1.一种跨时相轻量化空谱特征融合高光谱变化检测方法，其特征在于：包括以下步骤： 步骤S1、对高光谱图像数据进行预处理，并划分为训练集和测试集； 步骤S2、构建由两个点卷积模块和四个空谱特征融合模块组成的特征提取网络，用于对图像特征信息进行提取； 步骤S3、构建由注意力加权模块、全局平均池化层和全连接层组成的分类网络，用于对特征提取网络提取到的图像特征信息进行分类； 所述构建由注意力加权模块、全局平均池化层以及全连接层组成的分类网络，具体过程如下： 其中，分别代表两个时相的图像特征，Fl+1为两个时相的图像特征相减之后得到的特征； 其中，表示加权模块，Fl+2表示经过加权后的特征； Fl+3＝GAPFl+2 其中，GAP表示全局平均池化层，Fl+3为池化后的特征； Fout＝LinerFl+3 其中，Liner表示全连接层，Fout为输出的预测概率分布； YP＝argmaxFout 其中，argmax表示取Fout值最大的维度，YP为预测标签； 步骤S4、利用步骤S1中的训练集，采用梯度下降算法对步骤S2构建的特征提取网络和步骤S3构建的分类网络进行训练，在训练迭代过程中，每次迭代对训练集进行精度计算，并将训练集上精度最高的一代网络模型权重作为最终的检测模型权重，得到训练好的模型； 步骤S5、将步骤S1中的测试集输入至步骤S4训练好的模型进行测试，得到最终的检测结果，并根据检测结果输出高光谱图像数据的预测标签图。

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 陕西省西安市雁塔区太白南路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”。

以上内容由龙图腾AI智能生成。