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！

龙图腾网获悉长春理工大学申请的专利一种基于双分支注意力网络的高光谱图像分类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：CN116168235B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202211692394.2，技术领域涉及：G06V10/764；该发明授权一种基于双分支注意力网络的高光谱图像分类方法是由葛微;陈博文;唐雁峰;李金龙;韩登;李国宁设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于双分支注意力网络的高光谱图像分类方法在说明书摘要公布了：本发明属于图像分类技术领域，尤其为一种基于双分支注意力网络的高光谱图像分类方法，包括以下步骤：步骤1，准备数据集：采用公开的高光谱图像数据集；步骤2，图像预处理：对步骤1中准备好的数据集进行数据降维并对降维之后的图像进行样本取块，得到一个高光谱样本。该方法包含了一条主路和两条支路，主路用来提取高光谱图像的空间光谱特征；在空间分支中用空间多尺度模块来处理主路提取到的空间光谱特征，提取出空间信息；在通道分支用通道注意力块处理主路提取到的空间光谱特征，提取出光谱信息；最后将两分支得到的特征融合分类；该网络模型具有较好的分类性能。

本发明授权一种基于双分支注意力网络的高光谱图像分类方法在权利要求书中公布了：1.一种基于双分支注意力网络的高光谱图像分类方法，其特征在于：包括以下步骤： 步骤1，准备数据集：采用公开的高光谱图像数据集； 步骤2，图像预处理：对步骤1中准备好的数据集进行数据降维并对降维之后的图像进行样本取块，得到一个高光谱样本； 步骤3，构建网络模型：整个网络由一条主路及两条支路组成，在主路中包含一个密集卷积块；两条支路分别为空间分支和通道分支，空间分支包含一个二维卷积块、一个多尺度卷积块和一个多层处理块；通道分支包含一个二维卷积块、一个通道注意力块和一个多层处理块；最后将两个支路连接； 所述步骤3中主路中的密集卷积块由四个卷积块密集连接构成，主路中所有卷积块的构造相似，每个卷积块依次由批归一化层、激活函数层和卷积层组成，密集卷积块中每个卷积块的卷积层使用三维卷积层，在主路与支路中连接的二维卷积块依次由批归一化层、激活函数层和卷积层组成，该卷积块的卷积层使用的是二维卷积层；空间分支中的多尺度卷积块包含四条线路，线路一由一个二维卷积块和一个空间注意力块构成，线路二和线路三依次由两个二维卷积块和一个空间注意力块构成，线路四依次由一个最大池化层、一个二维卷积块和一个空间注意力块构成，四条线路得到的张量按维数1拼接在一起，所有线路中的二维卷积块依次由一个卷积层和一个激活函数层组成；所有线路中的空间注意力块由一个平均池化层、一个最大池化层和一个二维卷积块构成，在空间注意力块中输入分别经过一个平均池化层和一个最大池化层，输出按维数1拼接后再输入到二维卷积块中，该二维卷积块依次由一个二维卷积层和一个激活函数层组成，在空间注意力块中将得到输出与开始的输入进行矩阵相乘操作；通道分支中的通道注意力块依次由一个平均池化层和两个二维卷积块构成；每个二维卷积块依次由一个二维卷积层和一个激活函数层组成，在通道注意力块中同样的将得到输出与开始的输入进行矩阵相乘操作；两分支中的多层处理块依次由一个批归一化层、一个激活函数层、一个Dropout层和一个全局平均池化层组成； 步骤4，选择损失函数和评价指标：通过计算分类的结果图像与标签的损失函数，直到训练的次数达到设定的阈值或损失函数的值达到设定范围内即可认为模型参数训练完成；同时选择评价指标来衡量算法的精度，评估系统的性能； 步骤5，保存模型：选择训练过程中效果最好的一组模型参数进行固化，之后需要进行高光谱图像分类操作时，直接将高光谱图像输入到网络当中即可得到最终的分类图像。

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春理工大学，其通讯地址为：130000 吉林省长春市卫星路7089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。