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！

龙图腾网获悉长安大学申请的专利一种无人机高光谱遥感地物分类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：CN116958696B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202310950554.7，技术领域涉及：G06V10/764；该发明授权一种无人机高光谱遥感地物分类方法及系统是由白璘;冀博;王海娟;申佳明;叶珍设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种无人机高光谱遥感地物分类方法及系统在说明书摘要公布了：本发明公开了一种无人机高光谱遥感地物分类方法及系统，获取待测地物分类的遥感图像，对获得的遥感图像进行预处理，获得处理后的高光谱遥感图像数据；构建空间光谱注意力特征提取网络模型，将训练好的高光谱遥感图像数据输入空间光谱注意力特征提取网络模型，提取深层语义特征图；根据提取的深层语义特征图，获得高光谱遥感图像的深层语义信息；根据获得的高光谱遥感图像的深层语义信息，对待测地物分类的遥感图像的深层语义特征图进行分类，输出高光遥感图像的地物分类结果。该方法可以将有效的光谱特征图输入到训练好的空间光谱注意力特征提取网络模型中，使网络关注更重要的光谱信息，提高了地物分类的精度。

本发明授权一种无人机高光谱遥感地物分类方法及系统在权利要求书中公布了：1.一种无人机高光谱遥感地物分类方法，其特征在于，包括以下步骤： 获取无人机高光谱遥感图像，对获得的无人机高光谱遥感图像进行预处理，获得处理后的无人机高光谱遥感图像； 提取处理后的无人机高光谱遥感图像的深层语义特征图；构建空间光谱注意力特征提取网络模型，将提取的深层语义特征图输入空间光谱注意力特征提取网络模型，获得无人机高光谱遥感图像的深层语义信息； 根据获得的无人机高光谱遥感图像的深层语义信息，对待测的无人机高光谱遥感图像的深层语义特征图进行分类，输出无人机高光遥感图像的地物分类结果； 其中，所述空间光谱注意力特征提取网络模型包括轻量空间特征提取卷积层和光谱注意力机制模块；所述轻量空间特征提取卷积层使用部分卷积提取空间特征，得到无人机高光谱遥感图像的深层空间语义信息的特征图；所述光谱注意力机制模块捕捉深层空间语义信息的特征图中通道间的非线性信息； 所述得到无人机高光谱遥感图像的深层空间语义信息的特征图，包括以下步骤： 将深层语义特征图输入到轻量空间特征提取卷积层中，使用部分卷积只对部分输入通道进行常规卷积以提取空间特征，而对其余通道不作处理； 将第一个或最后一个连续的cp通道作为完整特征图的替代进行计算，此时网络的浮点运算数为： 其中，h和w对应为特征图的高度和宽度，k表示卷积核的大小，cp表示在实现部分卷积时选择的通道数； 设定部分比率r＝cpc，其中，cp代表部分卷积的通道数，c表示传统卷积的通道数； 部分卷积需要更少的内存访问，内存访问量为： 部分卷积只对cp通道中提取空间特征，将剩余的通道c‑cp保留； 所述光谱注意力机制模块捕捉深层空间语义信息的特征图中通道间的非线性信息，包括以下步骤： 使用全局平均池化和全局最大池化操作对特征图的空间信息进行聚合，生成两个不同的空间上下文描述符和分别表示全局平均池化和全局最大池化； 两个描述符通过2×1卷积组合； 增加了一个多层感知器来学习最终的频道注意图M；将隐藏层的大小设置为cγ，其中，γ为压缩率； 式中，W0∈Rcγ×c,W1∈Rc,W0和W1为多层感知器的权值，f2×1表示卷积层滤波器的尺寸为2×1。

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长安大学，其通讯地址为：710061 陕西省西安市雁塔区南二环路中段；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。