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！

龙图腾网获悉中国科学院西安光学精密机械研究所申请的专利面向遥感多光谱场景分类的局部与全局空谱特征提取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：CN119380214B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411958333.5，技术领域涉及：G06V20/13；该发明授权面向遥感多光谱场景分类的局部与全局空谱特征提取方法是由邱实;刘渊;刘佳;陈铁桥;李思远;胡炳樑设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本面向遥感多光谱场景分类的局部与全局空谱特征提取方法在说明书摘要公布了：本发明属于图像识别领域，具体涉及一种面向遥感多光谱场景分类的局部与全局空谱特征提取方法。该方法包括以下步骤：1、将遥感多光谱场景分类数据集划分为训练集和测试集；2、构建局部与全局空谱特征提取网络模型；3、获得全局光谱特征；4、提取局部空谱特征；5、获得训练好的局部与全局空谱特征提取网络模型；6、将测试集中的遥感多光谱影像输入至训练好的局部与全局空谱特征提取网络模型中，实现局部与全局空谱特征提取，并获得最终的分类结果。本发明能够获得更精细、准确的全局空谱特征。

本发明授权面向遥感多光谱场景分类的局部与全局空谱特征提取方法在权利要求书中公布了：1.一种面向遥感多光谱场景分类的局部与全局空谱特征提取方法，其特征在于，包括以下步骤： 步骤1、将带有真实类别标签的遥感多光谱场景分类数据集划分为训练集和测试集，并对训练集和测试集中的遥感多光谱影像进行预处理； 步骤2、构建局部与全局空谱特征提取网络模型，该网络模型包括全局光谱分支、多头注意力与变换模块、空间与光谱注意力分支、第一级联器以及全局空谱特征聚合模块；所述全局光谱分支的输入端和空间与光谱注意力分支的第一输入端作为局部与全局空谱特征提取网络模型的输入端；所述全局光谱分支的第一输出端接多头注意力与变换模块的输入端，所述多头注意力与变换模块的输出端接空间与光谱注意力分支的第二输入端，所述全局光谱分支的第二输出端和空间与光谱注意力分支的输出端分别接第一级联器的第一输入端和第二输入端，所述第一级联器的输出端接全局空谱特征聚合模块的输入端，所述全局空谱特征聚合模块的输出端为局部与全局空谱特征提取网络模型的输出端； 所述全局空谱特征聚合模块包括依次串联的位置嵌入模块PoE、特征聚合编码器FAE和多层感知模块MLP_Head； 所述位置嵌入模块PoE作为全局空谱特征聚合模块的输入端，接第一级联器的输出端；所述多层感知模块MLP_Head为全局空谱特征聚合模块的输出端； 所述特征聚合编码器FAE包括依次串联的第一特征聚合子编码器和第二特征聚合子编码器； 所述第一特征聚合子编码器包括依次串联的第三Norm单元、第二多头自注意力层MHA、第五加法器、第四Norm单元、第一DLinear单元、第一ULinear单元、第六加法器、第二DLinear单元和第一减法器； 所述第三Norm单元的输入端接位置嵌入模块PoE的输出端，同时接第五加法器的第二输入端；所述第五加法器的输出端接第六加法器的第二输入端；所述第一DLinear单元的输出端接第一减法器的第二输入端； 所述第二特征聚合子编码器包括依次串联的第五Norm单元、第三多头自注意力层MHA、第七加法器、第六Norm单元、第二ULinear单元、第三DLinear单元、第八加法器、第三ULinear单元和第二减法器； 所述第五Norm单元的输入端接第一减法器的输出端，同时接第七加法器的第二输入端，所述第七加法器的输出端接第八加法器的第二输入端，所述第二ULinear单元的输出端接第二减法器的第二输入端，所述第二减法器的输出端作为特征聚合编码器FAE的输出端； 步骤3、将预处理后训练集中的遥感多光谱影像输入至全局光谱分支，通过全局光谱分支获得全局光谱特征； 步骤4、将获得的全局光谱特征通过多头注意力与变换模块输入至空间与光谱注意力分支，通过空间与光谱注意力分支结合全局光谱特征从预处理后训练集的遥感多光谱影像中提取局部空谱特征； 步骤5、将局部空谱特征和全局光谱特征输入至第一级联器进行级联，再将级联后的局部空谱特征和全局光谱特征输入至位置嵌入模块PoE加入位置参数后，再将其输入至特征聚合编码器FAE，通过特征聚合编码器FAE获得用于分类的全局空谱特征FTAE，最后将全局空谱特征FTAE输入至多层感知模块MLP_Head，通过多层感知模块MLP_Head获得分类结果，最后联合初始的分类结果和真实类别标签输入至局部与全局空谱特征提取网络模型的损失函数中，通过反向传播不断优化迭代网络参数，获得训练好的局部与全局空谱特征提取网络模型； 步骤6、将预处理后测试集中的遥感多光谱影像输入至训练好的局部与全局空谱特征提取网络模型中，实现局部与全局空谱特征提取，并获得最终的分类结果。

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中国科学院西安光学精密机械研究所，其通讯地址为：710119 陕西省西安市高新区新型工业园信息大道17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。