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！

龙图腾网获悉黑龙江工程学院申请的专利高光谱图像聚类方法、装置、电子设备及存储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：CN114359633B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202111653821.1，技术领域涉及：G06V10/762；该发明授权高光谱图像聚类方法、装置、电子设备及存储介质是由刘柏森;孔伟力;王岩设计研发完成，并于2021-12-30向国家知识产权局提交的专利申请。

本高光谱图像聚类方法、装置、电子设备及存储介质在说明书摘要公布了：本发明实施例公开了一种高光谱图像聚类方法、装置、电子设备及存储介质。所述方法包括：通过经过训练的特征提取网络模型，根据高光谱图像中的像元对应的像元集合提取第一特征向量，其中，所述特征提取网络模型包括卷积自编码器CAE和非对称自编码器；根据所述第一特征向量对所述高光谱图像进行聚类，得到对高光谱图像的聚类结果。该方法通过基于CAE和非对称自编码器所构建的特征提取网络模型提取第一特征向量，能够减弱第一特征向量中的空间噪声，有效提高了特征向量提取的准确性；在此基础上，还利用优化后得到的第一特征向量对高光谱图像进行聚类，能够进一步去除掉第一特征向量中的部分空间噪声，从而提高聚类结果的准确性。

本发明授权高光谱图像聚类方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种高光谱图像聚类方法，其特征在于， 通过经过训练的特征提取网络模型，根据高光谱图像中的像元对应的像元集合提取第一特征向量，其中，所述特征提取网络模型包括卷积自编码器CAE和非对称自编码器； 根据所述第一特征向量对所述高光谱图像进行聚类，得到对高光谱图像的聚类结果； 其中，在通过经过训练的特征提取网络模型，根据高光谱图像中的像元对应的像元集合提取第一特征向量之前，还包括： 按照如下方式构建所述特征提取网络模型： 基于第一网络参数构建所述CAE，并基于训练集和测试集分别训练和测试所述CAE；所述第一网络参数包括1个输入层、2个卷积层、5个全连接层、1个重塑层、2个转置层和1个输出层，以及每层所对应的卷积核、输出维度和通道数设置； 基于第二网络参数构建所述非对称自编码器，并基于所述训练集和所述测试集分别训练和测试所述非对称自编码器；所述第二网络参数包括1个输入层、6个全连接层、1个Dropout层和1个输出层，以及每层所对应的卷积核、输出维度和通道数设置； 将所述非对称自编码器堆叠在所述CAE上，构建所述特征提取网络模型。

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黑龙江工程学院，其通讯地址为：150050 黑龙江省哈尔滨市道外区东直路234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。