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！

龙图腾网获悉中国地质大学(武汉)申请的专利基于异构数据的高光谱图像跨域小样本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：CN119863647B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411781399.1，技术领域涉及：G06V10/764；该发明授权基于异构数据的高光谱图像跨域小样本分类方法及系统是由黄绍广;赵坤;陈宏宇;张洪艳设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本基于异构数据的高光谱图像跨域小样本分类方法及系统在说明书摘要公布了：本说明书实施例提供了一种基于异构数据的高光谱图像跨域小样本分类方法及系统，其中，方法包括：利用异构源域中标记的自然图像，基于度量的元学习方法对空间特征提取骨干网络进行第一阶段训练，提取自然图像的空间特征，得到空间特征提取器；利用异构源域和目标域中标记的高光谱图像，采用小样本分类方法FSL对由空间特征提取器和光谱特征提取器组成的空谱特征提取网络进行第二阶段训练，获得域自适应的高光谱图像HSI的空间光谱特征，得到空间光谱特征提取器；通过所述空间光谱特征提取器对目标域中未标记的高光谱图像进行分类。

本发明授权基于异构数据的高光谱图像跨域小样本分类方法及系统在权利要求书中公布了：1.一种基于异构数据的高光谱图像跨域小样本分类方法，其特征在于，包括： 利用异构源域中标记的自然图像，基于度量的元学习方法对空间特征提取骨干网络进行第一阶段训练，提取自然图像的空间特征，得到空间特征提取器； 所述基于度量的元学习方法对空间特征提取骨干网络进行第一阶段训练具体方法为： 在每个元训练任务中，从源域中的标记的自然图像集中随机选择N个类，然后从N个类中随机选择K个标记样本作为支持集，从所选类别的剩余标记样本中随机选择T个标记数据来构建查询集； 通过公式1计算样本属于类k的概率： 公式1； 其中，为空间特征提取骨干网络，是支持集中第k个类的质心，d·表示两个向量之间的欧几里得距离； 第一阶段训练采用基于交叉熵的小样本分类损失函数，通过公式2计算所述基于交叉熵的FSL损失函数： 公式2； 和指的是从异构源域标记的自然图像数据中构建的支持集和查询集； 利用异构源域和目标域中标记的高光谱图像，采用小样本分类方法FSL对由空间特征提取器和光谱特征提取器组成的空谱特征提取网络进行第二阶段训练，获得域自适应的高光谱图像HSI的空间光谱特征，得到空间光谱特征提取器； 所述采用小样本分类方法FSL对由空间特征提取器和光谱特征提取器组成的空谱特征提取网络进行第二阶段训练，获得域自适应的高光谱图像HSI的空间光谱特征具体方法为： 结合第一阶段所述空间特征提取器，在其最前面增加2D卷积层和2D批量归一化层，将输入数据的通道数减少为3个通道，得到第二阶段的空间特征提取器； 使用1D卷积设计一个光谱特征提取分支，结合所述第二阶段的空间特征提取器得到双分支空间光谱特征提取器； 以HSI每个像素为中心的方形块为输入数据，对所述输入数据进行处理，通过由二维卷积神经网络构建的映射层将输入数据的维度统一映射为100； 基于处理后的输入数据，使用基于度量的元学习方法训练所述双分支空间光谱特征提取器； 通过训练好的双分支空间光谱特征提取器提取高光谱图像的空间特征和光谱特征； 通过将提取的空间特征和光谱特征连接起来，得到嵌入空间光谱特征； 通过所述空间光谱特征提取器对目标域中未标记的高光谱图像进行分类。

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中国地质大学(武汉)，其通讯地址为：430074 湖北省武汉市洪山区鲁磨路388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。